【工欲善其事】2025 年实现听书自由——基于 Kokoro-82M 的开源 TTS 工具 audiblez 本地部署实战
文章目录
- 2025 年实现听书自由——基于 Kokoro-82M 的开源 TTS 工具 audiblez 本地部署实战
- 1 前言
- 2 本地部署准备工作
- 3 具体安装步骤
- 4 命令行启动测试
- 5 GUI 界面启动测试
- 6 相关资源一站式下载
2025 年实现听书自由——基于 Kokoro-82M 的开源 TTS 工具 audiblez 本地部署实战
1 前言
Kokoro-82M 是一款今年 1 月刚开源的轻量级文字转语音 TTS 智能模型（详见 HuggingFace 测试页），因为其模型参数规模小、语音生成质量高、项目完全开源免费等特点而迅速火爆全网。经过多方查证与实际演练，我也成功跑通了本地部署流程并第一时间发了一篇 Kokoro-82M 实战笔记。但当时只能借助 Jupyterlab 实现小范围的文本转换，如果要生成电子书级别的完整语音还是比较吃力：
【图 1：利用 Jupyterlab 成功实现 Kokoro-82M 本地部署的主页面】
一个偶然的机会，看到 GitHub 有个英国的大佬基于 Kokoro-82M 开发了一个 TTS 开源项目，成功实现了在命令行中将 epub 电子书转换成高清语音。这不就是我一直想要的功能么？几经尝试，终于在我本地也跑通了 1.0 版。虽然最后的 .m4b 语音文件合成还没通，但利用 GPU 生成的大段 .wav 格式语音已经非常不错了：
【图 2：本地成功运行的 audiblez 可基于 epub 识别结果手动选择要转成语音的章节】
【图 3：原始版 audiblez 在最终合成 m4b 文件时失败（作者怀疑是中间某个依赖项的问题）】
【图 4：audiblez 在本地生成的 wav 高清语音文件均能正常播放】
时隔仅一个月，这个彩蛋级项目又新增了上百次提交，点赞数也从我刚开始关注的 800 多暴涨到 1800 多，最新版甚至推出了体验感更加友好的 GUI 界面，更新迭代速度快得离谱——
【图 5：最新版 audiblez 支持 GUI 可视化界面（截图为 MacOS 环境）】
有了这款 TTS 神器，今后所有的 epub 电子书都可以随意转成智能 .wav 格式的语音，从此实现听书自由。我随便放了几本开发类的正版 epub 文件，无论是发音还是语速、流利度、语感……几乎所有硬核指标都吊打目前市面所有的听书类 APP。因此，我决定将 audiblez 的本地部署方法分享出来，让那些打着各种名目高价收费的听书平台们好好反省反省。
2 本地部署准备工作
正式部署前先准备好以下工具：
Git：v2.45.1（能复制GitHub仓库就行）；Anaconda Prompt：方便创建和管理Python虚拟环境；ffmpeg：合成语音的必要依赖项（其bin目录须配置到系统环境变量PATH中）；torch模块：用于后期使用GPU加速。
3 具体安装步骤
经过多轮更新，目前 audiblez 工具的安装已经非常简单了，没有我第一次尝试部署的各种报错了，具体步骤如下：
# 启动 Anaconda Prompt
# 1. 创建 Python 虚拟环境 audiblez_new
> conda create --prefix D:\conda_venvs\audiblez_new python=3.12
# 2. 配置自定义虚拟环境所在路径
> conda config --add envs_dirs D:\conda_venvs
# 3. 切到 audiblez_new 环境
> conda activate audiblez_new
# 4. 确认当前环境
> conda env list
# conda environments:
#
base C:\Users\ad\anaconda3
audiblez_new * D:\conda_venvs\audiblez_new
接着用 Git 将项目源码复制到本地（项目文件夹可以随意命名，这里我是为了和之前的纯命令行版，因此命名为 audiblez_new），并用 pip install 命令安装必要依赖：
# 1. 从 GitHub 克隆 audiblez 源码
> git clone https://github.com/santinic/audiblez.git audiblez_new
> cd audiblez_new
# 2. 安装 audiblez 必要依赖（全程点确认）
> pip install audiblez pillow wxpython
安装完成后，将待处理的 epub 电子书文件放到项目根目录下（例如 book.epub），然后执行命令：
> audiblez book.epub -v af_sky -s 1.0
上述命令中，-s 选项表示语速（speed），根据 README 文档，可以设为 0.5 到 2.0 之间的值；-v 选项用于指定声音源（voices），目前支持的声音源如下：
| 语言 | 声音源参数值 |
|---|---|
| 🇺🇸 美式英语 | af_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa |
| 🇬🇧 英式英语 | bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis |
| 🇪🇸 西班牙语 | ef_dora, em_alex, em_santa |
| 🇫🇷 法语 | ff_siwis |
| 🇮🇳 印地语 | hf_alpha, hf_beta, hm_omega, hm_psi |
| 🇮🇹 意大利语 | if_sara, im_nicola |
| 🇯🇵 日语 | jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo |
| 🇧🇷 巴西葡萄牙语 | pf_dora, pm_alex, pm_santa |
| 🇨🇳 普通话中文 | zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang |
如果本地支持 GPU 加速，还可以通过 --cuda 参数启用 Cuda 加速，语音合成时间比纯 CPU 合成至少快 10 倍。测试本机是否支持 Cuda 加速，可以使用以下 Python 脚本：
> python
>>> import torch
>>> print(torch.cuda.is_available())
True
如果 Python 交互式环境的输出结果不是 True，则需要在当前虚拟环境安装 Cuda 支持：
> pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
这是根据我的本地情况从 PyTorch 官网自动生成的安装脚本命令，地址为：https://pytorch.org/get-started/locally/，从下列配置表中生成（具体参数配置方法可参考我的 Kokoro-82M 实战笔记 对应内容）：
【图 6：PyTorch 官方文档提供的快速安装选项卡】
除了指定声音源、语速、Cuda 加速外，audiblez 还支持手动选择需要生成语音的章节，只需要再加一个 --pick 参数即可。
更多 audiblez 命令行参数用法，可参考 audiblez --help。
4 命令行启动测试
以源码中自带的原版《动物庄园》电子书为例（点击 这里 免费下载），另存为根目录下的 book.epub 后，执行如下命令：
> audiblez book.epub -v af_sky -s 1.0 --cuda --pick
【图 7：audiblez 命令行运行实测截图】
之后会看到一个选择页面，供用户手动选择需要转成语音的章节（空格键用于勾选或取消勾选当前章节，j / k 或上下方向键用于上下移动光标，回车键用于最终确认）：
【图 8：从解析出的篇章列表手动选择待合成语音的章节】
这里选取任意三章，按回车键确认后，根据本机的硬件配置稍等片刻，直到运行结束：
【图 9：成功生成各章节 wav 音频和总的 m4b 音频文件后，audiblez 自动退出】
此时，项目文件夹下将看到这些音频文件：
【图 10：所有音频文件都将默认存到项目根路径下（也可以手动指定路径存放）】
5 GUI 界面启动测试
最新版 audiblez 还提供了 GUI 操作界面，只需在项目根路径的命令行下运行 audiblez-ui 命令即可。之后会弹出一个可视化窗口界面：
【图 11：最新版 audiblez 的 GUI 可视化操作界面效果图】
然后点击按钮加载根目录下的 book.epub，将看到如下操作界面：
【图 12：GUI 界面加载 epub 电子书后的功能示意图】
6 相关资源一站式下载
为了方便大家在本地快速搭建 audiblez，这里将本文提到的能提前下载的相关资源都整理到了我的网盘，包括：
audiblez的GitHub源码仓库离线zip压缩包（方便git clone命令卡顿的朋友）；ffmpeg最新版安装包（解压到某个路径后，配置其bin目录到PATH环境变量即可）；Git最新版安装包（v2.48.1）；Anaconda最新Windows版（64 位）安装包；- 测试用的《动物庄园》
epub电子书Animal_Farm.epub；
按照编号整理如下：
【图 13：本地部署 audiblez 所需的资料云盘汇总】
本着开源共享精神，没有套路，没有强制关注或加 VX，直接到这里下载即可——
链接：https://pan.baidu.com/s/1xykYnpQr_zjVIThK3zR30g?pwd=92qn
提取码：92qn
下载如有任何问题，可在评论区留言。欢迎各位多提宝贵意见，多多交流，共同进步！