DrewThomasson/ebook2audiobook

何を解決するか

Ebook2audiobook (E2A) は、DRMが適用されていない電子書籍を、チャプターとメタデータを備えた高品質なオーディオブックに変換します。さまざまなAI駆動のテキスト読み上げ（TTS）エンジンを使用して、デジタル書籍を音声に変換する方法を提供し、膨大な言語とフォーマットをサポートしています。

どうやって動くか

このツールは電子書籍ファイル（例：.epub や .mobi）を処理し、選択されたTTSエンジンを使って音声を合成します。GradioベースのWebインターフェースまたはヘッドレスCLIモードで実行できます。XTTSv2、Bark、Tortoise などの複数のTTSエンジンから選択でき、特定の声を模倣するための音声クローンファイルをオプションで提供できます。画像ベースのテキストページのOCRスキャンや、一時停止や声の切り替えを細かく制御するためのSMLタグもサポートしています。

誰に向けているか

合法的なDRMなしの電子書籍コレクションをオーディオブックに変換したい読者、および高度なTTSモデルを使ってオーディオブックの声や読み上げ速度をカスタマイズしたいユーザー。

特徴

• 多数のエンジン対応：XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS、YourTTS など複数のTTSエンジンをサポート。
• 広範な言語対応：1158の言語および方言に対応。
• 柔軟なフォーマット：.epub、.pdf、.mobi、.docx など多様な入力フォーマットを変換可能。出力は .m4b、.mp3、.flac など複数の音声フォーマットに対応。
• 音声クローン：カスタム音声ファイルを使って音声をクローン可能。
• 低リソース要件：2GB RAMと1GB VRAMで動作可能。
• SMLタグ：[break]、[pause]、[voice] などのタグで手動で音声制御が可能。