epub2tts

epub2tts

将 epub 或文本文件转换为有声读物

epub2tts是一个开源Python应用,支持多引擎文本到语音转换,包括Coqui AI TTS、OpenAI和MS Edge,提供自动章节检测、封面嵌入等功能,支持断点续传和语音自定义选项。

epub2tts文本转语音Coqui AI TTS免费开源音频书Github开源项目

epub2tts 项目介绍

epub2tts 是一款免费开源的 Python 应用程序,它能够轻松地将 epub 或文本文件转化为功能齐全的有声读物。通过使用 Coqui AI TTS、OpenAI 或微软 Edge 提供的现实感强的语音合成技术,用户可以获得高质量的有声书体验。

功能亮点

  • 生成标准格式的 M4B 有声读物文件。
  • 自动检测章节分隔。
  • 可以在有声书中嵌入封面艺术。
  • 支持使用微软 Edge 的免费云端语音合成。
  • 简单的语音克隆功能,支持 Coqui XTTS 模型。
  • 提供 58 种录音室品质的语音选择。
  • 若可用,支持 deepspeed 加速处理。
  • 如果中途中断,可以从未完成的地方继续。
  • 注意:epub 文件必须是无 DRM 保护的。

新增的多进程功能允许用户通过 --threads N 参数指定线程数,以并行处理章节。这在使用 Edge 或 OpenAI 时尤为有效,理论上可以同时处理所有章节。

使用指南

要使用 epub2tts,用户首先需要将 epub 文件提取为文本格式并进行编辑,以确保文本开头以章节或部分标记开头。语音可以根据每个章节进行切换。以下是某些用例:

  1. 默认快速有声书:
    • 例如使用 VITS 模型时,只需要输入 epub2tts mybook.epub,如果要更换说话人,比如使用男性声音 p307,则需要添加:--speaker p307
  2. 使用 MS Edge 云端语音合成:
    • 默认语音是 en-US-AndrewNeural,用户可以通过命令 edge-tts --list-voices 查看可用语音。
    • 命令示例:epub2tts mybook.txt --engine edge --speaker en-US-AvaNeural --cover cover-image.jpg --sayparts
  3. 使用 Coqui Studio 语音的 XTTS 模式:
    • 示例命令:epub2tts mybook.txt --engine xtts --speaker "Damien Black" --cover cover-image.jpg --sayparts
  4. 使用自定义语音克隆的 XTTS 模式:
    • 示例命令:epub2tts my-book.epub --start 4 --end 20 --xtts voice-1.wav,voice-2.wav,voice-3.wav --cover cover-image.jpg

安装步骤

epub2tts 需要 Python 3.11 或更高版本,并需要相关依赖环境。以下给出了不同系统上的安装步骤:

  • Mac: 使用 Homebrew 安装依赖如 espeak 和 ffmpeg,并然后克隆项目并安装。
  • Linux: 在 Ubuntu 上需要提前安装 espeak-ng 和 ffmpeg,以及可选的 CUDA 工具包来支持 GPU 加速。
  • Windows: 需要安装 Microsoft C++ Build Tools、espeak-ng、和 ffmpeg,之后克隆项目进行配置。
  • Docker 和其他安装方式: 提供了 Docker 版本和适用于开发者的安装方式,不过目前没有完整更新。

鼓励贡献

此项目欢迎各种贡献,可以通过 GitHub 提交问题、功能请求或进行代码贡献。希望项目帮助到您时,可以给个赞以示支持!

作者信息

此项目由 Christopher Aedo 创建,更多信息可以访问他的网站,也可通过 GitHubLinkedIn 联系。

为这个功能丰富且便捷的项目献上您的支持,加入到贡献者的行列中!

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多