Hacker News 中文摘要

RSS订阅

Abogen – 从EPUB、PDF和文本生成有声书 -- Abogen – Generate audiobooks from EPUBs, PDFs and text

原文链接 | HN讨论 | 2025-08-10 17:50:41

文章摘要

abogen是一个开源工具，能够将EPUB、PDF和文本文件转换为带有同步字幕的有声书，支持多种Python版本和操作系统，用户可以通过GitHub获取最新版本并进行使用。

文章总结

Abogen：将EPUB、PDF和文本转换为带同步字幕的有声书

Abogen 是一款强大的文本转语音工具，能够快速将 EPUB、PDF 或文本文件转换为高质量音频，并生成同步字幕。它适用于有声书、Instagram、YouTube、TikTok 等平台的配音项目，使用 Kokoro-82M 模型生成自然流畅的语音。

主要功能

  • 快速转换：仅需几秒钟即可生成音频和同步字幕。
  • 多格式支持：支持 EPUB、PDF 和文本文件作为输入。
  • 自定义设置：用户可调整语速、选择语音、设置字幕生成风格（按句子、单词等），并选择输出格式和保存位置。
  • 批量处理：支持将多个文件加入队列，按顺序处理，每个文件可单独配置。
  • 语音混合器：允许用户混合不同的语音模型，创建自定义语音并保存为配置文件。
  • 章节标记：处理 EPUB 或 PDF 文件时，自动添加章节标记，支持将每个章节保存为单独的音频文件或合并为一个文件。
  • 元数据支持：可为 M4B 文件添加元数据，如标题、作者、年份等，适用于支持元数据的有声书播放器。

安装与使用

Abogen 支持 Windows、Mac 和 Linux 系统，安装步骤简单： - Windows：通过脚本或 pip 安装，支持 NVIDIA GPU。 - Mac：通过 Homebrew 安装 espeak-ng，并使用 pip 安装 Abogen。 - Linux：通过包管理器安装 espeak-ng，并使用 pip 安装 Abogen，支持 NVIDIA 和 AMD GPU。

运行与配置

安装后，用户可通过命令行或 GUI 启动 Abogen。在 GUI 中，用户可拖放文件、配置设置并开始转换。Abogen 还支持 Docker 容器运行，方便在隔离环境中使用。

支持的语言

Abogen 支持多种语言，包括英语、西班牙语、法语、印地语、意大利语、日语、葡萄牙语和中文等。用户可通过 Kokoro 的 VOICES.md 查看完整的语音列表。

未来计划

Abogen 的开发路线图包括： - 添加 PDF 文件的 OCR 扫描功能。 - 支持更多语言的 GUI 界面。 - 改进语音混合功能，支持更多语音模型。 - 添加暗黑模式等。

贡献与许可

Abogen 是一个开源项目，欢迎开发者贡献代码或提出改进建议。项目采用 MIT 许可证，Kokoro 模型则使用 Apache-2.0 许可证，允许商业使用和修改。

类似项目

Abogen 受到多个类似项目的启发，如 audiblez、autiobooks 和 pdf-narrator 等。

通过 Abogen，用户可以轻松将文本内容转换为高质量的有声书，满足多种场景需求。

评论总结

评论内容总结：

  1. 语音选择与个性化

    • 用户希望可以选择不同的语音，如摩根·弗里曼或斯嘉丽·约翰逊的声音。
    • 引用："would love to read software engineering books in voice of Morgan Freeman, or maybe even better, Scarlett Johansson"
    • 引用："can I choose any voice?"

  2. 技术问题与体验反馈

    • 用户指出演示视频没有音频，且工具在处理缩写、省略号和上下文发音时存在问题。
    • 引用："The demo video doesn't seem to have any audio in it!"
    • 引用："It doesn't distinguish periods at the end of sentences from the dots in abbreviations"

  3. 与现有技术的比较

    • 用户认为当前TTS技术在长文本处理上仍有不足，尤其是与专业有声书相比。
    • 引用："I think there are still basic hurdles to take before we can go epub to audiobook in a quality that can compete with current state of the art."
    • 引用："Gemini 2.5 Flash TTS is a much more capable system with generous free limits"

  4. 语音质量与情感表达

    • 用户认为语音质量对有声书至关重要，最新的TTS技术正在接近这一标准。
    • 引用："I think we are just crossing vocal uncanny valley."
    • 引用："the same text sounded consistent, emotional, engaging, simply amazing"

  5. AI生成内容的接受度

    • 用户指出，AI生成的有声书在市场上可能面临接受度问题，尤其是独立作者。
    • 引用："potential readers, the polite ones, use the slightest hint of AI usage to discard their title and move on"
    • 引用："I in particular have started to hire voice actors that have good acting skills and good diction"

  6. 应用大小与功能期待

    • 用户询问应用的大小，并期待有更多功能，如从PDF生成格式良好的ePub。
    • 引用："How big is this app?"
    • 引用："I'm personally waiting for the one that generates a well formated ePub from a PDF."

总结：评论中用户对TTS技术的个性化、语音质量、技术问题以及与现有技术的比较提出了多种观点。尽管技术进步显著，但在长文本处理和情感表达上仍有改进空间。同时，AI生成内容的市场接受度也是一个值得关注的问题。