[Python] DrewThomasson / Ebook2Audiobook：这个开源工具能把电子书转成有声书

上下班路上想"读"完那些躺在硬盘里的电子书？试试这个工具。

ebook2audiobook 是一个电子书转有声书的开源项目，输入EPUB、PDF等格式文件，输出带章节标记的音频。支持声音克隆，能在4GB内存的电脑上运行。

---

功能介绍

主要特性：

• 自动识别章节并生成音频文件
• 支持声音克隆（需要13秒以上的清晰录音）
• 提供网页界面和命令行两种方式
• 支持1100多种语言
• 兼容CPU和GPU运行

技术实现：

• 语音合成：XTTSv2、Bark、Fairseq
• 电子书解析：Calibre
• 音频处理：FFmpeg、SoX
• 操作界面：Gradio

---

使用方法

本地安装

Linux/MacOS：

git clone https://github.com/DrewThomasson/ebook2audiobook.git
cd ebook2audiobook
./ebook2audiobook.sh

Windows：
下载项目后双击 ebook2audiobook.cmd 文件

首次运行会自动安装依赖，下载约1.8GB的模型文件。完成后在浏览器访问 http://localhost:7860 使用网页界面。

Docker部署

docker run -d -p 7860:7860 \
  -v ./input:/input_ebooks \
  -v ./output:/output_audiobooks \
  athomasson2/ebook2audiobook:latest

命令行模式

./ebook2audiobook.sh --headless \
  --ebook "书名.epub" \
  --voice "声音样本.wav" \
  --language zh

---

转换效果

支持的文件格式：

• 输入：EPUB、PDF、MOBI、AZW3
• 输出：M4B、MP3、WAV、FLAC

处理速度参考：

• 300页英文书（NVIDIA RTX 3060显卡）：12分钟左右
• 500页中文书（Apple M1芯片）：25分钟左右
• 纯CPU模式：速度较慢但可以使用

音频特点：
使用XTTSv2模型生成，能表达基本情感。声音克隆效果取决于提供的音频样本质量。生成的音频文件会自动添加章节信息。

---

适合谁用

1. 通勤学习：把技术书籍转成音频，在路上听
2. 内容创作者：为自己的电子书制作有声版
3. 视力不便人群：通过听的方式获取书籍内容
4. 语言学习：利用多语言功能练习听力

---

技术特点

模块化设计
核心代码和界面分离，可以作为Python库集成到其他项目。

自动适配硬件
程序会自动检测CPU、NVIDIA显卡、AMD显卡或Apple芯片，选择合适的运行方式。

内存优化
采用分块处理，4GB内存就能处理大部头书籍。

基于成熟工具
使用Calibre处理电子书格式，用FFmpeg处理音频，专注于文字转语音的流程优化。

---

使用注意

• 只能转换无DRM保护的合法电子书
• 首次运行需要下载模型文件
• 声音克隆需要提供13秒以上的清晰录音
• 转换时间和书籍长度、硬件配置有关
• 转换前建议手动删除不需要转换的内容（如版权页、目录页）

---

项目现状

• GitHub收藏数：11,800+
• 开源协议：Apache-2.0
• 维护状态：持续更新中
• 支持语言：1100多种

---

如果你也想让电子书"开口说话"，可以试试这个工具。

关注云栈开源日记，每天发现实用的开源项目 👇

---

项目地址：
https://github.com/DrewThomasson/ebook2audiobook

相关资源：  

• Docker镜像：athomasson2/ebook2audiobook

---

标签：#ebook2audiobook #Github #有声书制作 #文字转语音 #开源工具