首页/新闻资讯/正文详情

abogen 完整指南:把 EPUB、PDF 和文本变成带同步字幕的有声书

发布时间:2026/9/26 2:31:01 来源:云帆数科 栏目:资讯中心
abogen 完整指南:把 EPUB、PDF 和文本变成带同步字幕的有声书
abogen 完整指南把 EPUB、PDF 和文本变成带同步字幕的有声书【免费下载链接】abogenGenerate audiobooks from EPUBs, PDFs and text with synchronized captions.项目地址: https://gitcode.com/GitHub_Trending/ab/abogen想把一份 PDF 或 EPUB 变成能听的音频、再配上逐句对齐的字幕abogen 是个开源项目专门做文本转语音TTSText-to-Speech把文档丢进去它会合成音频并自动生成时间轴对齐的字幕文件。它基于 Kokoro-82M 语音模型能处理 EPUB、PDF、TXT、Markdown 和现成的字幕文件桌面端和网页端都有MIT 协议开源。第一次转换安装 abogen 并跑出第一段有声书音频先装依赖。abogen 处理文本时会用到 espeak-ng按系统选一条Linux 执行sudo apt install espeak-ngmacOS 执行brew install espeak-ng。然后安装本体pip install abogenWindows 用户更省事拿到仓库源码后双击WINDOWS_INSTALL.bat它会在一个自包含的环境里装好 Python 和全部依赖不用单独配置环境。想从源码运行的话先克隆仓库再本地安装git clone https://gitcode.com/GitHub_Trending/ab/abogen安装完成后在终端输入abogen打开桌面应用。把一份 TXT 或 EPUB 拖进窗口——它内置了文本编辑器也可以直接粘贴内容——再设置语速0.1 到 2.0 倍、音色和字幕生成粒度点 Start。音频和字幕文件会按你选的保存位置落盘比如与输入文件同目录或桌面。更喜欢浏览器的话运行abogen-web后打开http://localhost:8808上传文档、点 Create job任务就进了队列进度和日志在页面上实时刷新完成后直接下载音频和字幕。Web 端还支持 Supertonic TTS、LLM 文本归一化等新特性是功能更新最快的入口。长文档听书整本书按章节自动切分处理整本 EPUB 或 PDF 时abogen 会先提取文本再按目录结构插入章节标记形如CHAPTER_MARKER:章节名。标记有两个实际用途每一章可以存成独立音频方便按章收听某章转错时只重跑那一章不用整本重来。除了每章单独保存还可以生成合并版输出格式选 M4B 时音频会带上章节结构标题、作者、封面等元数据自动从原文件提取并写入丢进支持 M4B 的播放器就能像正常有声书一样翻章节。TXT 文件里手写同样的标记也能享受一样的分章效果。 给视频配旁白同步字幕的几种生成方式做教学视频或短视频旁白时字幕粒度很关键。abogen 提供整行、整句、句子加逗号直到 1、2、3 个词一行的多种模式还能开高亮跟读。注意词级模式只有英文可用——Kokoro 只给英文输出词级时间戳其他语言会自动退到句级。字幕输出可选 SRT通用格式或几种 ASS 排版音频用 MPV 播放即可同时显示字幕不必先做成视频。如果你手里是带时间点的文稿——每段前面标注HH:MM:SS——abogen 会识别这种文件让每段话严格按你标的时间开口适合做精确口播。️ 声音定制挑音色、调混合器、存成档案音色用两位字母挑第一位代表语言a 美式英语、b 英式英语、e 西班牙语、f 法语、h 印地语、i 意大利语、j 日语、p 巴西葡语、z 普通话第二位 m 或 f 表示男女声。点预览可以先听一句再决定不用转完才发现声音不对。想要更独特的声音打开语音混合器把几个音色按权重叠加调出混合效果满意后存成 profile 档案以后一键复用也能导出分享给别人。 一次转很多队列模式与 Web 端任务管理文件多的时候用队列模式逐个把文件加进队列每个条目保留加入时的配置互不干扰也可以打开用当前选择覆盖所有条目统一刷新一遍队列随后按顺序自动跑完输出按各自配置落盘。Web 端的任务管理更细任务依次执行页面实时刷新进度和日志随时能取消或删除日志可下载下来排查。想长期跑在一台带 GPU 的机器上仓库自带 Docker Compose 配置默认启用 GPU执行docker compose up -d --build即可没有 GPU 走 CPU 只是更慢一些。想继续深入看仓库自带的文档docs/getting-started.md 覆盖入门细节docs/developer-guide.md 面向要改代码的开发者。从一份文档到带字幕的有声书abogen 把这条链路压缩成了拖拽加一个 Start 键。【免费下载链接】abogenGenerate audiobooks from EPUBs, PDFs and text with synchronized captions.项目地址: https://gitcode.com/GitHub_Trending/ab/abogen创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关推荐

NgRx `no-multiple-global-stores` 规则详解:禁止在类中重复注入全局 Store
NgRx `no-multiple-global-stores` 规则详解:禁止在类中重复注入全局 Store

前端状态管理 【免费下载链接】platform Reactive State for Angular 项目地址: https://gitcode.com/gh_mirrors/pl/platform 点击查看 免费下载 no-multiple-global-stores 是 NgRx ESLint 插件(ngrx/eslint-plugin)中面向 ngrx/store 的一… · 2026/9/26 2:31:01

MathModelAgent:把 3 天的数学建模压进 1 小时的开源 AI Agent
MathModelAgent:把 3 天的数学建模压进 1 小时的开源 AI Agent

MathModelAgent:把 3 天的数学建模压进 1 小时的开源 AI Agent 【免费下载链接】MathModelAgent 🤖📐专为数学建模设计的 Agent & skills ,自动完成数学建模,生成一份完整的可以直接提交的论文。 An Agent Designed for Mathe… · 2026/9/26 2:31:01

LX Music:五源聚合 + 桌面歌词的开源播放器
LX Music:五源聚合 + 桌面歌词的开源播放器

LX Music:五源聚合 桌面歌词的开源播放器 【免费下载链接】lx-music-desktop 一个基于 Electron 的音乐软件 项目地址: https://gitcode.com/GitHub_Trending/lx/lx-music-desktop LX Music 是一个基于 Electron Vue 3 构建的开源音乐播放器,自… · 2026/9/26 2:30:55

DeepSeek Harness:本地智能体编排的轻量级运行时框架
DeepSeek Harness:本地智能体编排的轻量级运行时框架

1. DeepSeek Harness 是什么?它不是另一个“AI玩具”,而是本地智能体编排的轻量级操作系统DeepSeek Harness 这个名字刚出现时,我第一反应是——又一个套壳前端?点开 GitHub 仓库扫了一眼 README,立刻把浏览器标签页钉… · 2026/9/26 3:32:38

F-Droid 2.0:当开源应用商店走向现代化,你的安卓开发工具箱该升级了
F-Droid 2.0:当开源应用商店走向现代化,你的安卓开发工具箱该升级了

👋 Hi,我擅长 AI 大模型应用落地、意识解码与 AI 开发工具链 。 💡 创业路上,用技术换时间,一起把 AI 变成生产力 🚀 >F-Droid 2.0:当开源应用商店走向现代化,你的安卓开发工具箱… · 2026/9/26 3:32:32

BiLSTM-CRF命名实体识别实战:从原理、代码到避坑全解析
BiLSTM-CRF命名实体识别实战:从原理、代码到避坑全解析

简介:针对医疗文本的命名实体识别(NER)需求,这份BiLSTM-CRF实现方案覆盖从数据预处理到模型训练、可视化的完整流程,适合NLP研究者、医疗信息处理开发者及入门学习者快速搭建实验环境。包内共24个文件,以Py… · 2026/9/26 3:32:32

【共创稿事节】鸿蒙文搜图 · 语义相册:用一句话找到相册里的任意照片,端侧 AI 检索、相似度排序、作用域过滤
【共创稿事节】鸿蒙文搜图 · 语义相册:用一句话找到相册里的任意照片,端侧 AI 检索、相似度排序、作用域过滤

【共创稿事节】鸿蒙文搜图 语义相册:用一句话找到相册里的任意照片,端侧 AI 检索、相似度排序、作用域过滤 图像超分系列走完「真实照片进、真实文件出」之后,相册方向还有一个更日常的痛点没解决:找图。几千张照片里翻一张「去年… · 2026/9/26 3:32:32

250k 星标爆火!OpenClaw 2026 喂饭级部署教程:TaoToken 统一 Key 对接 DeepSeek V4 / 通义千问 3.5 全流程
250k 星标爆火!OpenClaw 2026 喂饭级部署教程:TaoToken 统一 Key 对接 DeepSeek V4 / 通义千问 3.5 全流程

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 3:32:26

基于 MCP 的 AI Agent 应用开发实践:用 TaoToken 统一 Key 打通 Cline 配置
基于 MCP 的 AI Agent 应用开发实践:用 TaoToken 统一 Key 打通 Cline 配置

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 3:32:26

数据库课后习题答案别硬背:当测试用例集刷,效率翻倍
数据库课后习题答案别硬背:当测试用例集刷,效率翻倍

简介:万常选版《数据库原理与设计》课后习题答案资源,覆盖第2至6章及第9章,适合正在学习关系模型、数据库建模、关系数据理论与模式求精的本科生、自学者作为复习与自测材料。压缩包共7个文件,含3个doc参考答案、2个sql示例脚本、… · 2026/9/26 0:00:21

OpenClaw 替代品?Hermes Agent 踩坑实录:macOS 飞书接入 TaoToken 配置
OpenClaw 替代品?Hermes Agent 踩坑实录:macOS 飞书接入 TaoToken 配置

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 0:00:40

向下兼容与向上兼容:接口设计中的兼容性策略与工程实践
向下兼容与向上兼容:接口设计中的兼容性策略与工程实践

一次版本升级事故,是很多团队绕不过去的坎。线上环境里,服务端明明已经上线了新版接口,老的移动端还在照着旧文档传参数。请求一到网关,校验直接拒绝,用户操作失败,客服群炸了锅,开发群里开始互… · 2026/9/26 0:00:46

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码