AI炼丹日志-28 - Audiblez 将你的电子书epub转换为音频mp3 做有声书

点一下关注吧！！！非常感谢！！持续更新！！！

🚀 大模型与Java双线更新中！

目前《大语言模型实战》已连载至第22篇，探索 MCP 自动操作 Figma+Cursor 实现智能原型设计，持续打造实用AI工具指南！📐🤖

💻 Java篇正式开启！（300篇）

MyBatis 已完结，Spring 正在火热更新中，深入浅出助你打牢基础！

📊 大数据板块已完成多项干货更新（300篇）：

包括 Hadoop、Hive、Kafka、Flink、ClickHouse、Elasticsearch 等二十余项核心组件，覆盖离线+实时数仓全栈！

Audiblez

官方地址

https://github.com/santinic/audiblez

项目介绍

下面是项目组对项目的介绍：
● Audiblez 是一个工具，它可以将普通的 .epub 电子书转换成 .m4b 格式的有声书，使用的是名为 -Kokoro 的高质量语音合成技术。
● Kokoro-82M 是最近发布的一个文本转语音（Text-to-Speech, TTS）模型，参数量仅有 8200 万（82M），但生成的语音听起来非常自然。这个模型是以 Apache 许可证 开源发布的，并且它的训练数据量少于 100 小时的音频。目前支持的语言包括：英语（美式 🇺🇸、英式 🇬🇧）、西班牙语 🇪🇸、法语 🇫🇷、印地语 🇮🇳、意大利语 🇮🇹、日语 🇯🇵、葡萄牙语（巴西）🇧🇷、中文 🇨🇳。
● 在 Google Colab 上，使用 T4 GPU + CUDA，转换乔治·奥威尔的《动物农庄》（约 16 万字符）为有声书大约需要 5 分钟，速度大约是每秒 600 字符。
● 而在我自己的 M2 MacBook Pro（CPU 上运行） 上，则需要 1 小时，转换速度约为每秒 60 字符。

核心功能

• 多语言支持：支持英语（美式和英式）、西班牙语、法语、印地语、意大利语、日语、葡萄牙语（巴西）和中文（普通话）等多种语言。
• 语音选择：用户可通过 -v 参数选择不同的语音，例如 af_sky 表示美式英语女性声音。
• 语速调节：通过 -s 参数调整语速，范围从 0.5 到 2.0。
• GPU 加速：支持 CUDA，可在支持的 GPU 上加速音频生成。
• 章节选择：使用 --pick 参数可交互式选择要转换的章节。
• 图形界面：提供基于 wxWidgets 的跨平台 GUI，适用于 macOS、Windows 和 Linux。

性能表现

• GPU 加速：在 Google Colab 的 T4 GPU 上，转换《动物农庄》（约 16 万字符）仅需约 5 分钟，速度约为 600 字符/秒。
• CPU 模式：在 M2 MacBook Pro 上，转换同一本书约需 1 小时，速度约为 60 字符/秒。

环境配置

MacOS

我这里是在MacOS上，所以我们需要安装一些依赖

brew install ffmpeg espeak-ng
pip install audiblez

brew 安装依赖：

pip 安装依赖：

Ubuntu

sudo apt install ffmpeg espeak-ng
pip install audiblez

这里略过，就不在 Ubuntu 上跑了。

测试使用

我们准备一个文件：rpc.epub

指令模式

audiblez rpc.epub -v zf_xiaoyi

转换开始，要耐心等待一会儿：

我在 MacBook Pro M1 上跑的，需要等待很久···

最终成品如下所示：

UI模式

sudo apt install ffmpeg espeak-ng 
# just for Ubuntu/Debian 🐧, Windows/Mac don't need this
sudo apt install libgtk-3-dev

安装下面的依赖：

pip install audiblez pillow wxpython

执行指令：

audiblez-ui

语言支持

支持的如下所示

支持的语音示例

Audiblez 提供多种语音选项，涵盖多种语言和性别。例如：

• 美式英语：af_sky（女性）、am_michael（男性）
• 英式英语：bf_emma（女性）、bm_george（男性）
• 西班牙语：ef_dora（女性）、em_alex（男性）
• 法语：ff_siwis（女性）
• 中文（普通话）：zf_xiaoxiao（女性）、zm_yunxi（男性）

常见问题与解决方案

• 章节识别问题：部分用户反馈某些 .epub 文件的章节未被正确识别。开发者已在 v0.1.7 版本中修复了该问题。
• 中文段落截断：在处理中文文本时，超过 200 个字符的段落可能会被截断为 120-130 个字符。开发者正在积极解决此问题。
• Windows 安装问题：建议在 Windows 上使用 Python 虚拟环境，并确保安装了必要的依赖项，如 ffmpeg 和 espeak-ng。