Abogen 中文介绍

Abogen 是一个强大的文本转语音工具，能够将 ePub、PDF 或文本文件快速转换为高质量音频，并生成同步字幕。它适用于制作有声书、为 Instagram、YouTube、TikTok 等平台创建配音，或任何需要自然语音的文本转语音项目。Abogen 使用 Kokoro-82M 模型，提供高品质的语音合成。

功能亮点

• 多格式支持：支持 ePub、PDF 和文本文件（.txt）输入，内置文本编辑器。
• 快速转换：例如，约 3000 字的文本可在 11 秒内生成 3 分 28 秒的音频（视硬件性能而定）。
• 同步字幕：支持按句子、单词等方式生成字幕，格式包括 SRT 和 ASS。
• 语音定制：通过语音混合器（Voice Mixer）创建个性化语音，支持多种语言和男女声。
• 批量处理：支持队列模式，批量转换多个文件。
• 章节管理：支持从 ePub 或 PDF 中提取章节，单独或合并保存音频。
• 元数据支持：为 M4B 文件添加标题、作者等元数据，优化有声书体验。

安装方法

Windows

1. 安装 espeak-ng：从 espeak-ng 最新发布 下载并运行 *.msi 文件。
2. 选项 1：使用脚本安装
   • 下载 Abogen 仓库并解压。
   • 双击运行 WINDOWS_INSTALL.bat，脚本会自动安装所有依赖（包括 CUDA），无需单独安装 Python。
3. 选项 2：使用 pip 安装
   bash

    

   mkdir abogen && cd abogen

   python -m venv venv

   venv\Scripts\activate

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

   pip install abogen

    

    
   注意：AMD GPU 在 Windows 上暂不支持，建议使用 Linux。

Mac

Linux

提示：若遇到路径问题，可将 /home/$USER/.local/bin 添加到 PATH：

使用方法

1. 输入文件：拖放 ePub、PDF 或文本文件，或使用内置编辑器输入文本。
2. 配置设置：
   • 调整语音速度（0.1x 至 2.0x）。
   • 选择语音（支持多语言，如美式英语、英式英语、西班牙语等）。
   • 设置字幕样式（按句子、单词等）。
   • 选择输出格式（WAV、FLAC、MP3、OPUS、M4B）。
   • 指定保存路径。
3. 开始转换：点击“开始”按钮，生成音频和字幕。

支持的语言

• 🇺🇸 美式英语 (a)
• 🇬🇧 英式英语 (b)
• 🇪🇸 西班牙语 (e)
• 🇫🇷 法语 (f)
• 🇮🇳 印地语 (h)
• 🇮🇹 意大利语 (i)
• 🇯🇵 日语 (j，需安装 misaki[ja])
• 🇧🇷 巴西葡萄牙语 (p)
• 🇨🇳 普通话 (z，需安装 misaki[zh])

更多语言和语音样例见 Kokoro 的 VOICES.md 和 SAMPLES.md。

高级功能

• 语音混合器：通过调整不同语音模型的权重创建自定义语音，并保存为配置文件。
• 队列模式：支持批量处理多个文件，每个文件可独立配置。
• 章节标记：自动或手动添加章节标记（<<CHAPTER_MARKER:标题>>），支持单独保存或合并章节。
• 元数据标签：为 M4B 文件添加标题、作者、年份等元数据（<<METADATA_TITLE:标题>> 等）。

  地址：https://github.com/denizsafak/abogen