abogen 入门指南把 EPUB、PDF 变成带同步字幕的有声书【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想在通勤路上把 EPUB、PDF 听掉abogen 能把电子书、PDF、纯文本转成带同步字幕的有声书适合内容创作者和有听课需求的人。读完这篇你能装好它并跑通第一本书。文件进音频加字幕出abogen 替你做的和不做的abogen 的工作方式很直接你把 EPUB、PDF、.txt、.md 或字幕文件.srt/.ass/.vtt丢给它它用 Kokoro-82M 这个本地 TTStext-to-speech文本转语音模型把文字读出来同时按你选的风格切出同步字幕。产物是一组音频WAV、FLAC、MP3、高压缩的 OPUS或自带章节信息的 M4B 有声书格式加一份 SRT 或 ASS 字幕。它替你接手的是三件费事的事解析 EPUB/PDF 的章节结构并逐章出音频把字幕和语音时间轴对齐做到说到哪显示到哪把书名、作者、封面等元数据写进 M4B让 Audiobookshelf 这类播放器直接识别成有声书。它也明说做不到的事扫描件 PDF 没有 OCR 能力PDF 里必须是可选中的文字没有音色克隆只能用内置语音模型做混合逐词字幕目前只支持英文。TTS 引擎以插件形式挂在 plugins/ 下Kokoro 是默认引擎Web 版还多一个 Supertonic 可选。把 abogen 装到本地一条 clone 加两条命令依赖上只需要两样Python 3.10–3.12和 espeak-ngabogen 用它做文本发音处理Windows 装它的 msi 安装包macOS 用 brewLinux 用系统包管理器。Windows 上更省事的方式是跑仓库根目录的WINDOWS_INSTALL.bat它会自带一套 Python 环境。然后从源码装起git clone https://gitcode.com/GitHub_Trending/ab/abogen cd abogen pip install -e . abogen第三条命令会打开桌面界面PyQt6 写的。⚠️ 首次运行要联网下载 Kokoro 的模型和语音文件如果日志里出现 CUDA GPU is not available. Using CPU说明回退到了 CPU能跑只是慢不影响出片。把一本 EPUB 跑成带字幕的有声书完整操作路径目标一本 EPUB 变成每章一个 MP3 一个合并版 MP3 同名 SRT 字幕再顺手出一个带元数据的 M4B。操作路径把 EPUB 拖进主窗口输入框没有现成文件时内置文本编辑器可以直接写内容。在 Chapter Control 里勾选要转换的章节——这一步的意义是后面某章出错时你只重跑那一章不用整本重来。选声音。声音码是两个字母第一个是语言a 美式英语、b 英式英语、e 西班牙语、f 法语、h 印地语、i 意大利语、j 日语、p 巴西葡语、z 普通话第二个是 m 男声或 f 女声选完可以试听再确认。选字幕粒度按行Line、按句Sentence、句内加逗号断句或 1/2/3 词一条英文专用。输出设置里音频选 MP3 或 M4B字幕选 SRT勾上每章单独保存和生成合并版。定保存位置存到原文件旁、桌面或指定目录点 Start。跑完你会得到逐章音频文件、一个合并的完整音频、对应的字幕文件M4B 还会带上书名、作者和从 EPUB 自动提取的封面。作者用一台 RTX 2060 的笔记本测过约 3000 字符 11 秒出片生成 3 分 28 秒音频可以作为性能预期参考。手里只有 .txt 的话也可以手动写章节标记在文件里放一行CHAPTER_MARKER:第一章abogen 就会按它切章纯文本同样能享受逐章保存。在浏览器里建任务abogen-web 的操作路径要同时跑好几个文件时Web 版更顺手新特性也优先落在它上面。用abogen-web命令启动后浏览器打开 http://localhost:8808。操作路径拖文件上传 → 选语音、语言、语速、字幕样式、输出格式 → 点 Create job。任务立刻进队列后台 worker 按顺序逐个执行页面自动刷新进度和日志完成后可下载音频和字幕也能随时取消或删除任务。Web 版独占的几样东西Supertonic TTS 引擎LLM 文本规范化把难念的缩写和标点交给大模型先清洗一遍在 Settings → LLM 里配一个 OpenAI 兼容端点即可转换完成后一键推送到 Audiobookshelf。按需阅读队列批量转换、混音与进阶选项一次转一整批书队列模式桌面端的队列管理器把批量转换变成加进去就不管每个任务保留加入时的设置鼠标悬停可看它用的什么配置勾上 Override item settings with current selection 后当前主窗口的设置会覆盖队列里所有任务。调一个自己的声音Voice mixer内置语音听着不合口味就用语音混合器把多个语音模型按权重混在一起试听满意后存成 profile以后直接调用。其他进阶选项GPU 加速有 NVIDIA 卡按 CUDA 装对应 PyTorchLinux 上 AMD 卡走 ROCm都没有就用 CPU。菜单里还有预下载模型和语音下完即可完全离线使用。定时朗读.txt 里每段前面写一行00:00:00这类时间戳abogen 会按给定时间轴出声适合做带精确节奏的解说。菜单里还能配置章节间静音时长、每条字幕最大词数以及字幕生成时启用 spaCy 分句避免把 Mr./Dr. 这种缩写切错句。装好之后把下一本想听的书丢进输入框就行。更深的细节看 docs/Web 端源码在 abogen/webui/。【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