企业官网建设流程全解析

把电子书变成有声书：ebook2audiobook 语音克隆与 1158 种语言使用指南

【免费下载链接】ebook2audiobookGenerate audiobooks from e-books, voice cloning & 1158+ languages!项目地址: https://gitcode.com/GitHub_Trending/eb/ebook2audiobook

你手里有本 epub，却想在通勤时"听"完它。ebook2audiobook 就是干这件事的：把电子书转成带章节、带元数据的有声书，支持语音克隆，覆盖 1158 种语言，CPU 或 GPU 都能跑。下面带你从克隆仓库一路走到导出 m4b，中间再讲清语音克隆、小语种引擎和几个常调的参数。

从一本电子书到一张有声书，它做了什么

ebook2audiobook（项目里简称 E2A）是一个本地运行的转换工具，输入是电子书，输出是可直接进播放器的音频文件。它不是只读个词，而是做了三件更费力的事：

• 自动切章节：读进.epub、.mobi、.pdf、.txt等 20 多种格式，保留章节结构，生成的音频里一章一段，方便跳转。
• 多引擎语音合成：内置 XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS、YourTTS 等引擎，不同语言会自动落到最合适的引擎上。
• 可选语音克隆：上传一段你自己的录音，整本书就用你的声音读。

输出支持m4b、mp3、flac、wav等 11 种格式，默认就是有声书常用的m4b，单声道或立体声都能选。

三步跑出第一本有声书

整个过程不复杂，卡在环境上的人最多，所以先说清楚最低要求：2 GB 内存起步（推荐 8 GB），1 GB 显存起步（推荐 4 GB）。纯 CPU 也能跑，只是速度慢。

第一步，把仓库拉到本地：

git clone https://gitcode.com/GitHub_Trending/eb/ebook2audiobook cd ebook2audiobook

第二步，按系统跑启动脚本。macOS 和 Linux 用./ebook2audiobook.command，Windows 用ebook2audiobook.cmd。脚本会自动装缺的依赖（macOS 走 Homebrew，Windows 走 scoop）。

第三步，看终端里打印出来的网址，一般是http://localhost:7860/，浏览器打开就是你的网页界面。到这里界面就跑起来了，剩下的都在网页里点。

小提示：如果中途脚本停掉又重启，记得刷新网页，让它重新连上新的会话，否则会连不上。

看懂网页界面：上传、语言与引擎

界面分两个标签页，新手先待在第一个Input Options里就够了。

从左到右，你会用到的几项：

• Ebook File：拖入你的电子书。想要章节切得准，优先.epub或.mobi。注意 epub 本身没有标准结构，前言、脚注这类不想念的内容要提前手动删掉。
• Language：选书的语言，默认 English。这里填 ISO-639 代码，中文是zho，法语fra，德语deu。
• Cloning Voice：可选，传一段你自己的录音，整本书就用这个声音。
• Processor Unit：CPU 或 GPU。有独显就选 GPU，合成速度能接近实时。

填完点Convert，下方会出进度条。转换完成后你会看到一个播放器和一个下载入口：

先在网页里点Listen试听开头几段，满意了再从Download里把m4b存下来。

让书用你自己的声音朗读

语音克隆是 E2A 最出效果的功能，也最容易被低估。你要做的只有一件事：传一段干净的录音。

几点经验，能少走弯路：

• 时长 1 到 5 分钟最合适，太短克隆不准，太长没必要。
• 有底噪、有背景音乐也没关系。E2A 会先对你的参考音频做降噪再克隆，所以手机随手录一段也行。
• 英文的内置克隆音色最多，其他语言想用官方音色可以联系项目方审核后加入。

在界面上把录音丢进Cloning Voice框，选对语言，点 Convert。生成的整本书就会用你（或你指定）的声音读出来。想更进一步，项目里还带了 XTTSv2 的微调工具（见 components/Universal_TTS_Finetune），能用更多样本训练一个专属模型，上传成一个 zip 就能在XTTS Model框里直接载入。

小语种怎么选：引擎、翻译与 1158 种语言

"1158 种语言"这个数字来自它底层用的 Fairseq 多语言模型，覆盖从中文、英语到斯瓦希里语、约鲁巴语这类小语种。但不同引擎擅长的不一样，选对引擎比硬调参数更管用：

• 中文、英语、印欧系主流语言：默认多落在XTTSv2上，音色自然，还支持零样本语音克隆。
• 小语种、方言：优先Fairseq，语言覆盖最广。
• 纯 CPU 场景：XTTSv2 这类现代引擎在 CPU 上很慢，可以换 YourTTS、Tacotron2 这类轻量引擎，音质是" Siri 级"，但速度快很多。

如果你手上有本外语书，想听母语，还有个隐藏玩法：加一个--translate参数，它会先把整本书翻译到目标语言再合成，并自动用_语言代码后缀把翻译版和原版输出分开存，互不覆盖。命令行里这样写：

./ebook2audiobook.command --headless \ --ebook book.epub --translate fra

调参数、选格式、配硬件

第二个标签页Audio Generation Preferences是进阶区，新手可以先用默认值，等对音色不满意再回来抠。

最常调的几个：

• Temperature：调"发挥"程度，调高更有创意但更飘，调低更稳。
• Speed：语速系数，嫌拖沓就调大。
• Repetition Penalty：复读机式重复就调高它。
• Top-k / Top-p：调低了输出更可控、生成也更快。

输出格式和声道在配置文件里改，默认m4b单声道，改法见 lib/conf.py。

硬件这块给你个直观预期：GPU 能接近实时转换，纯 CPU 会明显偏慢，长书建议挂后台或夜里跑。GPU 没被识别、依赖装不上这两类问题，最省事的解法都是改用 Docker——它自带完整环境，还支持 headless 命令行模式，一条命令就能在容器里跑转换。

想给朗读加停顿、换声，它支持一套 SML 标签：[break]短停顿、[pause:3]固定 3 秒、[voice:路径]...[/voice]中途切换说话人，配套工具在 components/E2A-SML。

建议的下一步

先别追求一步到位，按这个顺序试最稳：

1. 先用默认音色跑一本短书，走通"上传 → Convert → 试听 → 下载"整条链路，确认格式和章节没问题。
2. 再换上自己的录音测克隆，挑 2 到 3 分钟的干净录音，重点听开头几段像不像。
3. 最后才动参数：音色飘就降 Temperature，节奏拖就调 Speed，有重复就抬 Repetition Penalty。
4. 嫌慢再考虑硬件：有独显切 GPU，环境老是装不上就转 Docker。

记住只处理无 DRM、合法获取的电子书，其余的，跟着界面点一遍就上手了。

【免费下载链接】ebook2audiobookGenerate audiobooks from e-books, voice cloning & 1158+ languages!项目地址: https://gitcode.com/GitHub_Trending/eb/ebook2audiobook