DrewThomasson/ebook2audiobook

项目概览

该项目在多语言覆盖（支持 1158 种语言和方言）和低资源要求（最低 2GB RAM/1GB VRAM）方面具有明确的数据指标，且提供了无需编写代码的 Web GUI 和双击可执行文件。

项目类型

文档处理 · 语音音频

应用场景

会议记录 · 语音音频

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 寻找无代码 Web GUI 或易用双击可执行文件来进行本地电子书音频化处理的普通用户。
• 硬件资源有限，但仍需在本地运行有声书转换（最低 2GB RAM / 1GB VRAM）的用户。
• 需要利用多 TTS 引擎或多语言支持（包括低资源语言）进行批量文本到音频转换的创作者。

核心能力

• 将 epub、mobi、pdf、txt 等多种电子书和文档文件格式转换为带有章节和元数据的音频格式。
• 使用用户提供的音频文件进行可选的声音克隆，并对提供的参考音频带有去噪功能。
• 使用各种引擎支持 1158 种语言和方言的文本转语音合成。
• 支持 XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS 和 YourTTS 等引擎。
• 对包含作为图像的文本页面的电子书文件执行 OCR 扫描。
• 允许通过 TextArea 直接将短文本转换为音频。
• 在 TTS 合成之前，可选择使用 argostranslate 将电子书翻译为目标语言。
• 通过 SML 标签提供对停顿、中断和切换声音的细粒度控制。

限制与风险

• 相比于 GPU，TTS 引擎在 CPU 上的运行速度非常慢。
• EPUB 格式缺乏标准结构，在转换前可能需要手动删除不需要的文本。
• 在 Docker 环境中无法暴露 MPS (Apple Silicon)，因此只能使用 CPU 进行处理。
• 该工具仅适用于非 DRM 且合法获取的电子书，不能用于处理受版权保护的加密文件。

如何开始

• 项目难度评估为简单。可在克隆代码库后运行 ./ebook2audiobook.command 脚本，随后访问 http://localhost:7860/ 打开 Web 界面。对于 Mac 和 Windows 还提供双击即可运行的二进制文件。

替代方案与同类比较

• 与 ebook2audiobook 侧重完整的电子书结构化音频转换不同，GPT-SoVITS 更专注于提供仅需少量数据即可微调的 TTS 与声音转换模型。
• VoxCPM 支持基于文本描述创建声音及风格控制，适用于需要基于文本描述合成语音的用户，而非针对电子书文档的结构化解析处理。

同类比较

• DrewThomasson/ebook2audiobook vs 注重少样本克隆与多语种支持的 WebUI
• DrewThomasson/ebook2audiobook vs 侧重高自然度表达与声音设计的 TTS 模型

核验依据

• README: CPU/GPU Converter from E-Book to audiobook with chapters and metadata<br/> using advanced TTS engines and much more.<br/> Supports voice cloning and 1158 languages!
• README: [](https://huggingface.co/spaces/drewThomasson/ebook2audiobook) [![Free Googl…
• README: 
• README: - 🔧 **TTS Engines supported**: `XTTSv2`, `Bark`, `Fairseq`, `VITS`, `Tacotron2`, `Tortoise`, `GlowTTS`, `YourTTS` - 📚 **Convert multiple file formats**: `.epub`, `.mobi`, `.azw3`,…
• README: - `.epub`, `.pdf`, `.mobi`, `.txt`, `.html`, `.rtf`, `.chm`, `.lit`, `.pdb`, `.fb2`, `.odt`, `.cbr`, `.cbz`, `.prc`, `.lrf`, `.pml`, `.snb`, `.cbc`, `.rb`, `.tcr`

来源更新时间：2026-07-15T18:18:40Z

打开原始 GitHub 项目