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

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。

HunyuanVideo

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

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

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

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

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。

下拉加载更多