denizsafak/abogen
Generate audiobooks from EPUBs, PDFs and text with synchronized captions.
解決的問題
Abogen 是一款文字轉語音 (TTS) 工具，旨在將長篇文件（如 ePub、PDF、文本文件和 markdown）轉換為具有完美同步字幕的高品質有聲書或配音。它消除了為 TTS 生成而手動調整字幕時間軸和管理長文本的繁瑣工作。
工作原理
該工具利用 Kokoro-82M 模型進行自然語音合成。它提供兩種不同的介面：用於穩定核心功能的 PyQt6 桌面應用程式，以及用於進階功能的基於 Flask 的 Web UI。它支援廣泛的輸入格式（ePub, PDF, TXT, MD, SRT, ASS, VTT），並可以以 WAV、MP3 和 M4B（含章節）等多種格式輸出音訊。
適用對象
適用於製作有聲書、社群媒體（Instagram, YouTube, TikTok）配音的創作者，以及希望將數位閱讀材料轉換為音訊格式的使用者。
亮點
- 多格式支援：處理 ePub、PDF 和 markdown 檔案，包括針對電子書的章節感知處理。
- 自定義語音混合：語音混合器允許使用者透過以可調整權重混合不同的語音模型來建立獨特的嗓音。
- 靈活的字幕生成：提供多種字幕樣式（按句子、單字或高亮顯示）和格式（SRT, ASS）。
- Cuda/ROCm 支援：針對 NVIDIA 和 AMD GPU 進行了優化，以確保快速的處理速度。
- 進階 Web UI：包含基於 LLM 的文本規範化和 Audiobookshelf 整合等附加功能。
相關
- 專案
- 專案
- 專案
- 專案
- 專案