denizsafak/abogen
Generate audiobooks from EPUBs, PDFs and text with synchronized captions.
解決する課題
Abogenは、ePub、PDF、テキストファイル、markdownなどの長文ドキュメントを、完璧に同期した字幕付きの高品質なオーディオブックやボイスオーバーに変換するために設計されたテキスト読み上げ（TTS）ツールです。字幕のタイミング合わせや、TTS生成のための長いテキスト管理といった手作業を排除します。
仕組み
このツールは、自然な音声合成を実現するためにKokoro-82Mモデルを活用しています。安定したコア機能を提供するPyQt6デスクトップアプリケーションと、高度な機能を提供するFlaskベースのWeb UIという2つの異なるインターフェースを提供します。幅広い入力形式（ePub, PDF, TXT, MD, SRT, ASS, VTT）をサポートし、WAV、MP3、M4B（チャプター付き）などの様々な形式でオーディオを出力できます。
対象ユーザー
オーディオブックの制作、ソーシャルメディア（Instagram, YouTube, TikTok）向けのボイスオーバーの作成、およびデジタル読書資料をオーディオ形式に変換したいユーザーを対象としています。
ハイライト
- マルチフォーマット対応: ePub、PDF、markdownファイルを処理し、電子書籍のチャプター認識処理も含まれます。
- カスタムボイスミキシング: ボイスミキサーにより、異なる音声モデルを調整可能なウェイトでブレンドして、独自の声を生成できます。
- 柔軟な字幕生成: 複数の字幕スタイル（文単位、単語単位、ハイライト表示）とフォーマット（SRT, ASS）を提供します。
- Cuda/ROCm対応: NVIDIAおよびAMDのGPU向けに最適化されており、高速な処理速度を保証します。
- 高度なWeb UI: LLMベースのテキスト正規化やAudiobookshelfとの連携などの追加機能が含まれています。
関連
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト