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 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：
- 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。
- 例如使用 VITS 模型时，只需要输入
- 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
- 默认语音是
- 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
- 示例命令：
- 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
- 示例命令：
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 GitHub 和 LinkedIn 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
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
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
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
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
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。
HunyuanVideo
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。
WebUI for Browser Use
一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。
xiaozhi-esp32
基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。
olmocr
一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。
olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。
飞书多维表格
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号