快速把 EPUB 变成带字幕的有声书abogen 的完整使用体验【免费下载链接】abogenGenerate audiobooks from EPUBs, PDFs and text with synchronized captions.项目地址: https://gitcode.com/GitHub_Trending/ab/abogen你手上有一本 EPUB想让它变成带字幕的有声书从上传到拿到成品要几步用 abogen——一个开源 TTS 有声书生成工具基本就是拖文件、选声音、点开始三步的事。它把文档解析、语音合成、字幕对齐串成一条流水线你不用在十几个工具之间来回倒手。 先回答那个问题流程其实很短把文件拖进 abogen 的输入框选一个声音也可以自己调一个挑好字幕粒度和输出格式点 Start。等几分钟后音频文件和与之一一对应的字幕文件就同时生成好了保存位置可选跟随原文件桌面或自定义目录。整个过程在界面上能看到进度和日志中途还能取消。Web 界面里任务创建后会实时显示进度和日志完成后直接下载音频与字幕。一句话定位它是什么能做到什么程度abogen 是一个开源的文本转语音工具能把 ePub、PDF、TXT、Markdown 和字幕文件SRT、ASS、VTT转成带同步字幕的音频适合做有声书和短视频配音。几个可以快速建立认知的数字输入格式6 种覆盖常见电子文档和字幕文件TTS 引擎2 个Kokoro-82M桌面和 Web 都可用和 SupertonicWeb 端字幕粒度从整行、整句、句子逗号、句子高亮到1 词、2 词、3 词多档参考速度官方演示中在一张 RTX 2060 Mobile 笔记本显卡上约 3000 字符的文本用 11 秒合成了 3 分 28 秒的音频实际取决于你的硬件输出音频可选 WAV、FLAC、MP3、OPUS 或带章节信息的 M4B声音支持 0.1x 到 2.0x 变速。 从输入到输出三段核心能力文档解析章节结构自动留下来处理 EPUB、PDF 或 Markdown 时abogen 会先把文档转成文本放进缓存目录并自动插入形如CHAPTER_MARKER:Chapter Title的章节标记解析逻辑在 abogen/book_parser.py 和 abogen/text_extractor.py。这些标记有两个实际好处可以把每个章节拆成独立音频文件也能再拼一份合并版某章出错时只重跑那一章不用从头再来纯文本文件也可以手动写标记。另外它会自动为 M4B 写入标题、作者、封面等元数据——封面直接从 EPUB 或 PDF 里提取。语音合成与语音混合不只是换个音色引擎是插件化的Kokoro-82M 和 Supertonic 都在 plugins/ 目录下统一走 abogen/tts_plugin/ 定义的接口。想拿一个自己偏好的声音打开语音混合器把多个声音模型按权重混合试听后保存成配置profile下次直接选用不用重新调。Web 端还多一项 LLM 辅助文本归一化可以在 Settings 里接入 OpenAI 兼容的端点比如本地 Ollama让它处理棘手的所有格和缩略语并先合成一小段音频试听再正式跑。语音混合器里调整各声音权重后可保存为配置供后续任务复用。字幕对齐与导出时间戳是合成过程顺手给的字幕的时间轴不是事后估算而是基于合成时的时间戳生成的支持 SRT 和多种 ASS 版式宽、窄、居中等。一个细节值得注意按词显示字幕的模式目前只对英文有效因为 Kokoro 只为英文提供词级时间戳 token其他语言会自动回退到基于时长的句子级对齐。还有一个小众但实用的能力如果你的文本文件里写了HH:MM:SS格式的时间戳abogen 会按这些时间点控制朗读节奏适合做定时旁白、剧本或课程讲解。 上手体验打开后先看到什么装好后有两条命令abogen启动 PyQt6 桌面界面功能稳定abogen-web启动 Flask Web 界面浏览器打开 localhost:8808 即可。Web 端目前功能更全——Supertonic 引擎、LLM 归一化、Audiobookshelf 推送都在那边新特性正在逐步并入桌面版。队列里每个文件保留加入时的独立配置也可以一键用当前设置覆盖全部。批量场景用队列模式多个文件依次处理每个文件记住加入时的配置鼠标悬停就能查看也可以勾选用当前设置覆盖全部。整个代码库的分层比较清楚想读源码时可以对照abogen/pyqt/、abogen/webui/——桌面与 Web 两套界面abogen/domain/——文本、语音、字幕等核心业务逻辑abogen/tts_plugin/与plugins/——引擎插件接口与内置实现abogen/infrastructure/、abogen/integrations/——导出与 Audiobookshelf、Calibre OPDS 集成docs/——开发指南、插件架构说明、测试文档安装上官方推荐用 uvuv tool install abogenNVIDIA 显卡加[cuda]扩展系统需要 espeak-ng也提供 Docker 镜像和 GPU 版docker-compose.yaml一条docker compose up -d --build就能起服务。 谁适合用下一步去哪儿看教育场景把教材、讲义批量转成带字幕的音频改善学习可及性内容创作者博客、技术文档转播客或给短视频批量生成配音培训团队用队列模式一次处理整套培训材料自己折腾的人想体验多模态 TTS 管线这里从解析到导出的每一环都能拆开看路线图里列着扫描件 PDF 的 OCR 支持、界面多语言、kokoro-onnx 适配等方向。想参与贡献先看 docs/contributing.md想给项目接一个新的 TTS 引擎docs/tts-plugin-architecture.md 里有完整的接口约定。克隆仓库即可开始git clone https://gitcode.com/GitHub_Trending/ab/abogen【免费下载链接】abogenGenerate audiobooks from EPUBs, PDFs and text with synchronized captions.项目地址: https://gitcode.com/GitHub_Trending/ab/abogen创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考