DrewThomasson/ebook2audiobook

解决的问题

Ebook2audiobook (E2A) 将非 DRM 电子书转换为带有章节和元数据的高质量有声书。它提供了一种使用多种 AI 驱动的文本转语音（TTS）引擎将数字书籍转换为语音音频的方法，支持大量语言和格式。

如何工作

该工具处理电子书文件（如 .epub 或 .mobi），并使用选定的 TTS 引擎合成语音。可通过基于 Gradio 的 Web 界面运行，也可在无头 CLI 模式下运行。用户可从多个 TTS 引擎（如 XTTSv2、Bark 和 Tortoise）中选择，并可选择性地提供语音克隆文件以模仿特定声音。还支持对图像类文本页面进行 OCR 扫描，以及使用 SML 标签对停顿和语音切换进行细粒度控制。

适用人群

希望将合法的非 DRM 电子书收藏转换为有声书的读者，以及希望使用高级 TTS 模型自定义有声书语音和语速的用户。

特色亮点

• 广泛引擎支持：支持多种 TTS 引擎，包括 XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS 和 YourTTS。
• 丰富语言支持：兼容 1158 种语言和方言。
• 灵活格式：可转换多种输入格式（包括 .epub、.pdf、.mobi 和 .docx），并输出多种音频格式（如 .m4b、.mp3 和 .flac）。
• 语音克隆：可使用自定义语音文件进行语音克隆。
• 低资源需求：最低仅需 2GB 内存和 1GB 显存即可运行。
• SML 标签：支持 [break]、[pause] 和 [voice] 等标签，实现手动音频控制。