Abogen - 强大的文本转语音工具，轻松将电子书转换为高质量有声书

项目概述

Abogen是一款基于Kokoro-82M模型的文本转语音工具，能够将EPUB、PDF或文本文件快速转换为高质量音频并生成同步字幕。它专为有声书制作、视频配音等场景设计，具有以下核心优势：

• 支持多种输入格式：EPUB、PDF、TXT
• 生成高质量音频及同步字幕
• 多语言支持（包括英语、中文、日语等）
• 可自定义语音风格和参数

功能特性

• 多格式支持：处理EPUB、PDF和纯文本文件
• 智能章节检测：自动识别EPUB中的章节结构
• 高质量音频输出：支持WAV、MP3、OPUS、M4B、FLAC等多种格式
• 同步字幕生成：生成SRT、ASS等格式的字幕文件
• 多语言支持：包括英语、中文、日语、西班牙语等
• 语音混合功能：可自定义混合不同语音特征
• GPU加速：支持CUDA加速处理
• 跨平台：支持Windows、Linux和macOS系统

安装指南

通过pip安装

pip install abogen

系统要求

• Python 3.7或更高版本
• FFmpeg（用于音频格式转换）
• 推荐使用NVIDIA GPU以获得最佳性能（支持CUDA）

可选依赖

如需使用GPU加速，请安装对应版本的PyTorch：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

使用说明

基本使用

1. 启动Abogen GUI界面
2. 选择输入文件（EPUB/PDF/TXT）
3. 设置语音参数（语言、声音风格等）
4. 选择输出格式和字幕选项
5. 开始转换

代码示例

from abogen import convert_file

# 转换EPUB文件为有声书
convert_file(
    input_path="book.epub",
    output_format="mp3",
    lang_code="z",  # 中文
    voice="zf_xiaoxiao",  # 使用"小小"语音
    subtitle_mode="srt"  # 生成SRT字幕
)

高级功能

Abogen支持语音混合功能，可通过公式混合不同语音特征：

# 混合两种语音特征
voice_formula = "am_echo*0.7 + am_onyx*0.3"

核心代码解析

文件处理模块

class HandlerDialog(QDialog):
    """处理EPUB/PDF文件的对话框"""
    
    def __init__(self, book_path, file_type=None, checked_chapters=None, parent=None):
        super().__init__(parent)
        self.file_type = file_type or (
            "pdf" if book_path.lower().endswith(".pdf") else "epub"
        )
        self.book_path = book_path
        self.setWindowTitle(
            f'Select {"Chapters" if self.file_type == "epub" else "Pages"} - {book_name}'
        )
        # 初始化UI和章节处理逻辑

语音处理引擎

def parse_voice_formula(pipeline, formula):
    """解析语音混合公式"""
    if not formula.strip():
        raise ValueError("Empty voice formula")

    weighted_sum = None
    total_weight = calculate_sum_from_formula(formula)

    for term in formula.split("+"):
        voice_name, weight = term.strip().split("*")
        weight = float(weight.strip()) / total_weight
        voice_tensor = pipeline.load_single_voice(voice_name.strip())
        
        if weighted_sum is None:
            weighted_sum = weight * voice_tensor
        else:
            weighted_sum += weight * voice_tensor

    return weighted_sum

队列管理系统

@dataclass
class QueuedItem:
    """表示待处理项目的结构"""
    file_name: str
    lang_code: str
    speed: float
    voice: str
    save_option: str
    output_folder: str
    subtitle_mode: str
    output_format: str
    total_char_count: int
    replace_single_newlines: bool = False

Abogen通过模块化设计实现了高效的文件处理、语音合成和任务管理功能，为用户提供了简单易用的文本转语音解决方案。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）
公众号二维码