用 abogen 生成有声书5 分钟把 EPUB、PDF 变成带字幕的 TTS 音频【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通勤地铁上你想听完那本放了很久的 PDF而不是盯着屏幕。传统的做法是先手动导出文字再找一款 TTS 软件逐段生成、再手工对齐字幕文件折腾半天效果还不一定好。abogen 是一个开源的有声书生成工具它接收 EPUB、PDF、TXT、Markdown 甚至字幕文件用 TTS文本转语音自动产出朗读音频同时生成逐字对齐的字幕还能按章节拆分、嵌入封面。它适合三类人——想把电子书变成通勤听书内容的读者、需要为视频配旁白的创作者以及制作课程音频的教师。abogen 能力清单格式支持、语音混合与批量队列先交代清楚它能做什么每项对应一个具体用途多种输入格式EPUB、PDF、TXT、Markdown、SRT/ASS/VTT 字幕文件都能直接拖入工具自动完成文本提取与预处理。多种输出格式WAV、FLAC 追求无损音质MP3、OPUS 适合分发M4B 额外携带章节标记并可嵌入封面与作者等元数据。字幕同步按句子、按单词仅英语或按固定词数生成字幕输出 SRT 标准格式或多种 ASS 布局方便直接贴到视频上。语音混合把多个语音模型按权重混成一种新声音存成配置档案之后一键复用。批量队列一次加入多个文件顺序处理每个文件可保留加入时的参数也可以统一用当前设置覆盖。章节识别处理 EPUB、PDF、Markdown 时自动解析目录结构并写入章节标记纯文本文件也可以自己手动标注。底层的语音合成基于 Kokoro-82M 模型转换流程的核心逻辑在 abogen/domain/ 目录中想了解实现细节可以从这里入手。安装与启动Windows 一键脚本与手动环境Windows 一键安装步骤Windows 上不需要自己装 Python。先下载安装 espeak-ngTTS 的底层依赖的 .msi 安装包然后克隆仓库git clone https://gitcode.com/GitHub_Trending/ab/abogen cd abogen双击目录里的WINDOWS_INSTALL.bat脚本会自动装好全部依赖含 CUDA 环境和内置 Python并在桌面生成快捷方式之后直接运行即可。跨平台手动安装Python 虚拟环境Linux 或 macOS 上先装系统依赖 espeak-ng如sudo apt install espeak-ng或brew install espeak-ng再创建虚拟环境安装项目git clone https://gitcode.com/GitHub_Trending/ab/abogen cd abogen python -m venv venv source venv/bin/activate pip install -e .启动方式有两个命令abogen打开桌面界面PyQt6abogen-web启动网页界面然后在浏览器打开 localhost:8808 拖入文档即可。网页端额外提供 LLM 文本预处理和 Audiobookshelf 推送等功能。核心使用流程从选择文件到生成音频以桌面界面为例完整流程分四步选择文件把文件拖进输入框或用内置编辑器直接粘贴文本。EPUB、PDF、Markdown 导入后会先进入编辑环节你可以查看提取出的文字和章节标记顺手改掉错字再继续。配置参数语速滑块范围 0.1x 到 2.0x决定朗读节奏语音用两位代码选择第一位是语言a 美式英语、b 英式英语、e 西班牙语、f 法语、j 日语、z 中文等第二位是性别m/f旁边有试听按钮先听再跑字幕生成模式选择每行显示几个词输出格式选音频格式保存位置可选跟随原文件桌面或指定目录。生成音频点击 Start日志窗口实时显示进度完成后得到音频文件和同名字幕文件。章节处理电子书适用勾选每章单独保存可得到分章音频再勾选生成合并版则额外产出一个整本书文件章节之间的静音时长可在设置里单独调整。场景化实操三种用途的参数搭配电子书自听输入 EPUB输出 M4B带章节和封面字幕选句子级语速 1.0x选一个af开头的美式女声。产出的 M4B 可以直接丢进支持章节跳转的播放器里听。视频配音输入 TXT 脚本输出 MP3 或 WAV字幕用1 word或2 words粒度仅英语可用并选 ASS 布局语速 1.1x 到 1.2x。生成的 ASS 文件拖进剪辑软件就能和画面时间轴对齐。教学音频输入 PDF 讲义输出 FLAC 无损格式字幕选句子逗号让节奏切得更细按章分开保存每一章单独对应一个教学单元。如果是整套课程讲义用批量队列一次挂进去顺序生成。参数调优与进阶玩法如果你想要一种不像模板的音色打开 Voice Mixer在 0 到 1 的滑块上调整各语音模型的权重实时试听满意后存成档案以后生成时直接选这个混合声音。如果你想要字幕跟得更紧把句子级切到单词级或 1~3 词分组英文适用设置里可开启 spaCy 句法切分避免 Mr. 这类缩写被错误截断。如果你想在纯文本里自定义章节在 TXT 的章节开头插入一行CHAPTER_MARKER:章节标题生成时会被自动识别文件开头还可以写METADATA_TITLE:...等标签把标题、作者、封面图片路径写进 M4B。如果你遇到难念的文本大量缩写、特殊符号或中英混排在网页界面的 Settings → LLM 里接入一个 OpenAI 兼容端点本地 Ollama 即可工具会在合成前先把文本预处理成适合朗读的写法。常见问题GPU、语言与离线Q有显卡怎么开启 GPU 加速AWindows 下支持 NVIDIA 显卡一键脚本已包含 CUDA 环境若启动时出现 CUDA GPU is not available. Using CPU说明回退到了 CPU功能正常只是慢一些。AMD 显卡仅支持 Linux 下的 ROCm 加速。Q支持哪些语言A美/英英语、西班牙语、法语、印地语、意大利语、日语、巴西葡萄牙语、普通话用前面提到的单字母代码切换。注意单词级字幕只对英语开放其他语言支持句子级和逗号切分。Q可以完全离线使用吗A可以。在设置菜单里用预下载模型和语音功能把所有模型与音色资源拉到本地再关掉 Kokoro 的网络访问开关之后断网也能生成。Q某几章出错必须整本重跑吗A不用。文件按章节标记拆分后可以只对出问题的章节重新生成音频。abogen 把导入文档、选参数、得到带字幕带章节的音频这条链路收进了一个界面里大部分操作都是点选完成上手成本不高。更多界面差异说明与容器部署细节见官方文档 docs/。【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