NotebookLM og Gemini 3 Pro integrasjon - AI-verktøy for content creators

Google har koblet NotebookLM direkte inn i Gemini-økosystemet. Fra desember 2025 kan du legge til dine NotebookLM-notebooks som kilder i Gemini-samtaler. Dette betyr at personlige dokumenter nå kan kombineres med Gemini 3 Pro – en av Googles mest avanserte AI-modeller.

Tidligere var NotebookLM begrenset til sine egne modeller (Gemini 2.5 Flash / Gemini 3 Flash), der AI-en var «grounded» til opplastede dokumenter. Nå kan du bruke notebooks i Gemini 3 Pro og kombinere egne data med real-world innsikt fra Gemini.

Dette åpner for kraftige workflows – fra automatiserte media kits til talking head-videoer generert fra et enkelt bilde.

Hva er nytt?

Integrasjonen lar deg bruke NotebookLM-notebooks som kontekstkilde i Gemini. Før måtte du velge mellom NotebookLM (dine dokumenter) eller Gemini (bredere kunnskap). Nå får du begge deler samtidig.

NotebookLM har tidligere brukt Gemini 2.5 Flash og senere Gemini 3 Flash – gode modeller for dokumentanalyse. Men Gemini 3 Pro er kraftigere, bedre på kompleks resonnering, og kan kombinere dine kilder med eksterne data.

Resultatet? Du kan be Gemini analysere 50 YouTube-transkripter (lagret i NotebookLM) og samtidig hente inn markedsdata fra web, Gmail, Drive eller andre Gemini-kilder.

Googles offisielle blogg bekreftet funksjonaliteten i desember 2025.

Slik fungerer det

Prosessen er enkel:

  1. Åpne Gemini (gemini.google.com)
  2. Klikk «Add files» nederst i chat-feltet
  3. Velg «NotebookLM» knappen
  4. Velg hvilken notebook du vil legge til
  5. Start samtalen – Gemini har nå tilgang til alle kilder i den notebooken

Gemini behandler notebooken som en ekstra kontekstkilde. Du kan kombinere den med andre filer, Google Drive-dokumenter, eller bare stille spørsmål basert på notebook-innholdet.

Viktig: NotebookLM støtter opptil 50 kilder per notebook (Pro-kontoer kan ha mer). Dette betyr at du kan samle betydelig mengde data i én notebook og bruke alt som grunnlag i Gemini.

Praktiske workflows

Her er konkrete eksempler på hva du kan gjøre med NotebookLM + Gemini:

NotebookLM Gemini workflow diagram - media kit, thumbnails, talking head video

1. Talking head video fra et bilde

Dette er kanskje den mest imponerende casen. Du kan generere en 8-sekunders talking head-video fra et enkelt portrettbilde:

  1. Last opp bilde av deg selv til Gemini
  2. Bruk Nano Banana Pro (Geminis bildegenerator) til å lage studio-portrett
  3. Konverter til landscape format
  4. Start ny chat, velg Veo 3.1 (Geminis videogenerator)
  5. Generer 8-sekunders talking head-video med tale

Jeg testet dette selv. Jeg genererte et studio-portrett, som Veo 3.1 gjorde om til en 8-sekunders talking head-video. Videokvaliteten er imponerende.

2. Automatisk media kit fra YouTube-kanal

Har du en YouTube-kanal? Last ned transkriptene fra 50 videoer og legg dem i en NotebookLM-notebook. Deretter:

  1. Legg til notebooken i Gemini
  2. Be Gemini lage media kit outline for brand partnerships
  3. Kopier resultatet til NotebookLM og generer slide deck

Resultatet er et komplett media kit basert på din faktiske kanaldata – ikke generiske templates.

3. YouTube banner taglines

Sliter med å finne riktig tagline for YouTube-banneret ditt? Spør Gemini:

«Based on the content on this channel, what would be the top three taglines for a YouTube banner?»

Gemini analyserer transkriptene i notebooken og foreslår taglines som faktisk reflekterer innholdet ditt. Deretter kan du bruke Nano Banana til å generere banneret med valgt tagline.

Jeg har tidligere laget 6 YouTube banners og 2 thumbnails med lignende workflow. Dette funker.

4. Interaktiv content map

Be Gemini om en HTML/CSS/JS constellation map av innholdstemaene dine. Resultatet er en klikkbar visualisering der:

  • Node-størrelse = performance (visninger/engagement)
  • Node-farge = kategori
  • Koblinger viser tematiske sammenhenger

Dette er nyttig for å se hvilke temaer som henger sammen og hvor det finnes hull i innholdsstrategien din.

5. Landing page generator

Bruk Deep Research (Gemini-funksjon som søker Google, Gmail, Drive, Chat eller filer) med notebook som kilde. Gemini kan generere komplett landing page HTML basert på din faktiske YouTube-innhold.

Ikke generic templates – en landing page som faktisk reflekterer hva du lager.

Source engineering – viktigere enn prompt engineering

Source engineering konsept - samle beste data før AI-samtaler

Her er kanskje det viktigste poenget med denne oppdateringen.

«What’s really going to become important in the days ahead is not prompt engineering, not context engineering, but SOURCE ENGINEERING – getting the best data possible for the work that you have to do.»

Alle snakker om prompt engineering. Hvordan skrive den perfekte prompten. Men hvis dataene du gir AI-en er dårlige, spiller det ingen rolle hvor god prompten er.

NotebookLM + Gemini gjør source engineering kraftigere. Du kan:

  • Samle 50 YouTube-transkripter i én notebook
  • Legge til artikler, PDF-er, Google Docs
  • Kombinere med eksterne data fra Gemini
  • Få AI til å resonnere over ALT samtidig

Kvaliteten på output avhenger av kvaliteten på sources. Derfor er det viktigere å bruke tid på å samle gode kilder enn å tweake prompts.

Dette konseptet er spesielt relevant for content creators. Hvis du har 100+ YouTube-videoer, blog-poster eller podcast-episoder – samle dem i NotebookLM først. Deretter kan du repurpose innholdet kraftig med Gemini.

NotebookLM + Gemini er kraftig, men ikke perfekt. Her er begrensningene:

1. Kan ikke bytte verktøy i samme samtale

Hvis du starter en samtale med Nano Banana Pro (bildegenerering), kan du ikke bytte til Veo 3.1 (video) i samme chat. Du må starte ny samtale.

Dette betyr at workflow blir:

  1. Chat 1: Generer bilde med Nano Banana Pro
  2. Last ned bildet
  3. Chat 2: Last opp bildet og bruk Veo 3.1 til video

Ikke ødeleggende, men litt tungvint.

2. Må laste ned assets mellom samtaler

Som nevnt over – hvis du genererer et bilde i Chat 1, må du laste det ned før du starter Chat 2. Gemini husker ikke assets mellom samtaler.

3. Notebook-grenser

NotebookLM støtter maksimalt 50 kilder per notebook (gratis versjon). Pro-kontoer kan ha mer, men det er fortsatt en grense.

Hvis du har 200 YouTube-videoer, må du dele dem i flere notebooks. Ikke ideelt, men håndterbart.

Konklusjon

NotebookLM + Gemini-integrasjonen er en game-changer for content creators. Kombinasjonen av personlige dokumenter med Gemini 3 Pro gir kraftig research og innholdsproduksjon.

  • Du kan nå bruke NotebookLM-notebooks som kilder i Gemini 3 Pro
  • Praktiske workflows inkluderer media kit, talking head video, thumbnails, landing pages
  • Source engineering er viktigere enn prompt engineering – samle gode data først
  • Begrensninger: kan ikke bytte verktøy i samme samtale, må laste ned assets

For norske content creators er dette spesielt interessant. Hvis du lager innhold på norsk (YouTube, podcast, blog), kan du samle alt i NotebookLM og gjenbruke kraftig med Gemini.

Funksjonaliteten er gratis tilgjengelig i Gemini. Ingen ekstra kostnad utover Gemini Advanced (hvis du vil ha Gemini 3 Pro).

Jeg kommer til å teste mer i ukene fremover. Spesielt media kit-workflow og content mapping virker lovende.

Avslutter med en video av en kvinne som sier generiske ai ting også

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *

You May Also Like

Jeg lagde 150 sanger med Suno AI – Her er hva jeg lærte

8 måneders erfaring med Suno AI-musikk. Engelsk er topp, norsk er greit nok. Tippoldefars dikt ble til sanger. Ærlig vurdering fra 150+ genererte låter.

Suno AI Copyright – Hva du trenger å vite om rettigheter (2025)

Komplett guide til Suno AI copyright-regler. Pro vs Free, kommersielt bruk, juridiske fallgruver og profesjonelle tips. Oppdatert ToS november 2025.

Jeg testet Nano Banana Pro: AI som faktisk skriver norsk i bilder

Endelig! En AI som kan generere norsk tekst i bilder med 94% nøyaktighet. Jeg testet Nano Banana Pro grundig – her er resultatene.

GPT-5.2: Jeg testet OpenAIs nyeste modell – her er hva som faktisk fungerer

GPT-5.2 er ute med tre versjoner. Jeg har testet thinking-modellen, sammenlignet med 5.1, og funnet ut hva som faktisk er bedre. Her er mine erfaringer.