richardr1126/openreader

解決的問題

OpenReader 提供了一種可自我主機的方式，將文件（EPUB、PDF、TXT、MD 和 DOCX）轉換為同步的有聲書。它解決了需要透過文字轉語音（TTS）存取多種不同文件格式的問題，並提供精確的逐字高亮，以實現同步朗讀體驗。

工作原理

該系統使用計算工作器控制平面（基於 NATS JetStream）來處理繁重的任務。它採用基於 PP-DocLayoutV3（ONNX）的佈局感知 PDF 解析技術，實現結構化區塊檢測和跨頁拼接。在同步方面，使用 ONNX Whisper 對齊技術實現逐字高亮。音訊在背景中逐步生成，使用者可在首個音段準備就緒時立即開始收聽，而工作器則繼續處理文件的其餘部分。

適用對象

專為希望擁有私有、自我主機的文件閱讀器，並具備高品質 TTS 叙述與同步高亮功能的使用者設計，同時也適合希望將文件匯出為 M4B 或 MP3 有聲書的使用者。

主要亮點

• 多提供者 TTS 支援：支援自主主機的 OpenAI 相容伺服器（如 Kokoro-FastAPI）或雲端 API（OpenAI、Replicate、DeepInfra）。
• 進階播放：音訊在背景中生成，因此一旦首個音段準備就緒即可立即開始收聽。
• 高階 PDF 解析：使用佈局感知解析，確保跨頁的精確同步朗讀。
• 廣泛格式支援：支援 EPUB、PDF、TXT、MD 和 DOCX。
• 有聲書匯出：可將快取的音訊組合成 M4B 或 MP3 檔案。
• 自我主機彈性：支援 Docker、S3 相容儲存以及多種資料庫選項（SQLite 或 Postgres）。