DrewThomasson/ebook2audiobook

解決的問題

Ebook2audiobook (E2A) 將非 DRM 電子書轉換為帶有章節與元資料的高品質有聲書。它提供了一種使用多種 AI 驅動的語音合成（TTS）引擎，將數位書籍轉換為語音音訊的方法，支援大量語言與格式。

如何運作

此工具處理電子書檔案（例如 .epub 或 .mobi），並使用選定的 TTS 引擎合成語音。可透過基於 Gradio 的 Web 界面執行，或在無頭 CLI 模式下運行。使用者可從多種 TTS 引擎（如 XTTSv2、Bark 和 Tortoise）中選擇，並可選擇性地提供語音克隆檔案以模擬特定語音。同時支援對圖像式文字頁面進行 OCR 掃描，以及使用 SML 標籤對停頓與語音切換進行細緻控制。

適用對象

希望將合法的非 DRM 電子書收藏轉換為有聲書的讀者，以及希望使用進階 TTS 模型自訂有聲書語音與節奏的使用者。

特色亮點

• 廣泛引擎支援：支援多種 TTS 引擎，包括 XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS 和 YourTTS。
• 廣泛語言支援：相容 1158 種語言與方言。
• 彈性格式：可轉換多種輸入格式（包括 .epub、.pdf、.mobi 和 .docx），並輸出至多種音訊格式（如 .m4b、.mp3 和 .flac）。
• 語音克隆：可使用自訂語音檔案進行語音克隆。
• 低資源需求：僅需 2GB RAM 與 1GB VRAM 即可執行。
• SML 標籤：支援 [break]、[pause] 和 [voice] 等標籤，實現手動音訊控制。