企业官网建设流程全解析

5分钟上手：把EPUB变成有声书的语音克隆指南

【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

你可能遇到过这种情况

电子书阅读器里躺着一堆 EPUB，可通勤、锻炼的时间翻不动书，市售有声书又覆盖不全你想读的书。ebook2audiobook（下文简称 E2A）就是为这个需求做的：它把电子书通过语音合成（也就是把文字变成音频）生成带章节结构的有声书，并支持语音克隆和 1158 种语言。

🚀 跑起来：3步完成首次转换

最快路径是本地 Web 界面，一共 3 步。

1. 获取项目：

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

2. 运行启动脚本：macOS/Linux 在终端执行./ebook2audiobook.command，Windows 双击ebook2audiobook.cmd。脚本会自动安装运行环境，你不用手动配 Python 依赖。
3. 浏览器会自动打开 http://localhost:7860 界面，上传一本电子书、点 Convert，第一次转换就完成了。

如果安装报错或页面打不开，可以直接跳到文末 FAQ 查对应解法。

它能做什么

跑起来之后，再看几个真正拉开差距的能力。

语音克隆

上传一段简短清晰的录音，合成出的声音就会接近这个人。比如录 1 分钟自己朗读的音频，之后整本书都可以用你的声音来读；录音里有背景音乐或噪音也没关系，E2A 会自动清理。

OCR 文本识别

扫描版 PDF 或整页是图片的书，文字复制不出来，内置 OCR 能直接从图片里识别出文字再合成语音。

上图是一张扫描书页，E2A 识别其中的英文文字后可以整页转成音频。

SML 标签控制

SML 是 E2A 内置的简单标记语言，用来精细控制停顿和换声：[break]表示 0.3–0.6 秒短停顿，[pause:3]表示固定 3 秒停顿，[voice:/路径/voice.wav]...[/voice]可以在朗读中途切换到另一个声音。

批量转换

多本书一次转完，用命令行模式直接转换整个目录：

./ebook2audiobook.command --headless --ebooks_dir ./my_books --language eng

--language使用三位语言码，比如 eng 是英语、fra 是法语；Windows 下把脚本名换成ebook2audiobook.cmd即可。

界面与操作流程

界面就两个标签页："Input Options" 和 "Audio Generation Preferences"，按顺序操作 3 步即可。

第一张图里，把 EPUB 拖进左上角 "EBook File" 区域，在 "Processor Unit" 选 CPU 或 GPU，"Language" 下拉框确认书籍语言，默认 English 不用改；想做语音克隆就在右侧 "Cloning Voice" 上传语音文件。

第二张图是参数滑杆：Temperature（创造性）、Speed（语速）、Repetition Penalty（重复惩罚）等。全部保持默认就能跑，不用逐项研究，等听到效果"不对劲"再回来调。

第三张图里，点 Convert 转换完成后，先在 "Listen" 播放器里试听，再从下方 "Download" 区下载 m4b 文件。m4b 格式支持章节标记，适合在播放器里按章收听长书。

调优指南

如果第一次转换的结果你听着可以接受，默认值就够了；想让声音更自然，重点看这几个参数：

经验之谈：叙事类内容温度调到 0.7–0.8 最自然；嫌快嫌慢只动 Speed 一项，别同时改多个参数，不好定位问题。

部署与硬件

硬件要求不高：最低2GB 内存、1GB 显存，推荐8GB 内存、4GB 显存。项目支持 Windows、macOS、Linux 三大系统，包括 Apple Silicon 和 ARM 架构。不想折腾本地环境的话，有现成的 Docker 镜像，用DEVICE_TAG=cu128 docker compose --profile gpu up就能拉起 GPU 版。

适合谁用

适合想在通勤和运动时间听书的人、给视障朋友做阅读辅助的人、需要给播客或视频配旁白的人。

常见问题

Q：GPU 没被检测到怎么办？A：先用 CPU 模式跑通整个流程，再检查显卡驱动和 CUDA 版本；依赖问题太麻烦时直接改用 Docker 镜像。

Q：CPU 模式转换太慢怎么办？A：CPU 跑高品质引擎确实慢，改用 YourTTS、Tacotron2 这类轻量引擎提速，或者切到 GPU 模式。

Q：语音克隆样本带噪音怎么办？A：直接上传即可，E2A 会自动去除背景噪音再提取声音特征，不需要你提前做降噪。

Q：EPUB 里不想要的前言、注释被读出来了怎么办？A：EPUB 没有统一的章节结构标准，转换前用编辑器手动删掉不需要的段落。

开始你的第一次转换

打开浏览器访问 http://localhost:7860 就能开始第一次转换。完整参数说明和格式列表见项目内的这几份文件：

• README.md：安装、使用与故障排查
• lib/conf.py：默认输出格式、设备与路径设置
• lib/conf_models.py：支持的语音合成引擎与模型列表

【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