终极电子书转有声书工具一键生成支持1158种语言的AI语音还能克隆你的声音【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还在手动把电子书文本逐段复制粘贴进朗读软件吗或者面对一堆外语书找不到支持该语种的配音工具ebook2audiobookE2A是一个开源的电子书转有声书工具把EPUB、MOBI、PDF 等 20 种格式一键转成带章节结构的m4b/mp3 有声书内置XTTSv2、Bark、VITS 等 8 个 TTS 引擎覆盖1158 种语言还支持语音克隆——用你自己的声音读给你听。读完本文你可以搭建一个本地有声书生成器支持 Windows、macOS、Linux 三大平台克隆一个属于自己的 AI 声音让任何书都用它朗读调优合成参数在生成速度和音质之间找到平衡点批量转换整个书架目录并自动保留章节与元数据能力全景为什么值得选它传统方式 vs 本项目核心差异一眼看清维度传统方式ebook2audiobook格式支持多为 txt需手动导出EPUB/MOBI/PDF 等20 格式自动识别章节语言覆盖主流 5–10 种1158 种语言与方言声音定制换不了声音语音克隆上传1–5 分钟录音即可输出结构一段连续音频带章节、元数据的 m4b可直接导入播放器它的 Web GUI 分为输入选项和音频生成偏好两个页签上传文件、选语言、点 Convert 就能开工图Web GUI 输入配置界面——电子书、克隆语音、处理器、语言与 TTS 引擎一屏搞定最低配置也很友好2 GB 内存 1 GB 显存就能跑推荐 8 GB 内存 / 4 GB 显存。快速上手三条路线生成你的第一本有声书路线一懒人路线GUI 图形界面适合所有人克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/eb/ebook2audiobook cd ebook2audiobook双击启动脚本Linux/macOS 运行./ebook2audiobook.commandWindows 双击ebook2audiobook.cmd首次会自动装好依赖。浏览器打开终端提示的地址http://localhost:7860/上传电子书、选择语言点击Convert。一句话优势全程点鼠标零命令行经验也能出成品。路线二极客路线headless 命令行适合批量与自动化同样先克隆仓库并进入目录。用一条命令直接转换跳过图形界面./ebook2audiobook.command --headless --ebook book.epub --language engWindows 下把脚本名换成ebook2audiobook.cmd其余参数相同。一句话优势--ebooks_dir指向整个目录即可批量转换--session参数还能在中断后恢复转换适合挂机跑整本书库。路线三云端路线Docker 容器适合不想污染本机环境的人在仓库目录执行构建命令如./ebook2audiobook.command --script_mode build_docker。用docker run挂载ebooks/audiobooks目录并映射7860 端口GPU 机器加--gpus all。浏览器访问http://localhost:7860/即可容器内一切自包含。一句话优势依赖混乱容器里全部打包好了CPU/CUDA/ROCm/XPU/Jetson 都有对应镜像标签。分平台要点差异与易错步骤Windows双击ebook2audiobook.cmd启动缺少的程序会用scoop自动安装无需管理员权限想用 Docker需先在 BIOS 里开启虚拟化Virtualization否则容器跑不起来ARM 架构的 Windows 同样支持不只是 x86NVIDIA 显卡需要CUDA ≥ 11.8的驱动才能被识别为 GPU 设备生成局域网/公网分享链接脚本后加--share参数macOS运行./ebook2audiobook.command缺失依赖会自动通过 Homebrew 安装Apple SiliconM 系列芯片会自动启用MPS 加速无需额外配置注意MPS 不对外暴露在 Docker 中容器模式下请用 CPUIntel x86 与 Apple Silicon 双架构都官方适配Linux与 macOS 相同的./ebook2audiobook.command启动方式GPU 后端选择最多CUDA、ROCmAMD、XPUIntel、Jetson 均可自动检测服务器 SMP 多核 CPU 下纯 CPU 模式的效率明显高于普通笔记本提供 Docker Compose 与 Podman Compose 两套编排文件--profile gpu一键拉起 GPU 环境想固定旧版本git checkout tags/vXX即可回退进阶玩法从能读到读得好语音克隆让你给你读书一句话定义上传一段自己的录音TTS 引擎就能用你的音色朗读整本书。准备1–5 分钟的录音任意支持的音频格式即可不需要棚录——背景有噪音、有音乐都没关系E2A 会自动把参考音频降噪在 GUI 的 Cloning Voice 上传区拖入文件或命令行加--voice 路径效果输出音色的相似度足以以假乱真README 里的演示包括 ASMR 声、纪录片解说声等多种风格克隆后的声音可长期保存在voices/目录复用。调参旋钮温度、速度与重复惩罚一句话定义Audio Generation Preferences 页签提供一组滑块实时控制多自然 vs 多快。图音频生成参数页——Temperature、Top-k/p、Speed 等滑块想要更稳、更快调低 Top-k 与 Top-p输出更受限生成速度提升想要更有情感起伏适当调高 Temperature默认 0.65Speed 滑块控制语速0.5 到 3 倍均可调节成品试听与下载转换完成后同一页面内置播放器可先试听再下载输出格式默认 m4b也支持 mp3、flac、ogg、wav 等10 种格式单声道/立体声可选图转换完成后的试听与下载界面直接导出 m4b 有声书OCR 扫描图片版电子书也能读一句话定义对扫描版 PDF 或图片JPG/BMP/PNG/TIFF自动 OCR 提取文字再合成连手写体都在测试支持范围内。图OCR 功能支持的手写体扫描页样本直接上传扫描版 PDF无需先手动转文字配合语言参数选择对应语种识别后进入正常合成流程识别质量取决于原图清晰度高 DPI 扫描效果最佳性能实测与调优以一本10 万字左右的长书为参考量级典型耗时对比基础 CPU 配置60 分钟→ 中端 GPU 加速15–20 分钟→ 高端 GPU5–10 分钟GPU 下可接近实时三条可立即执行的调优建议优先用 GPU启动时确认设备被识别为 CUDA/MPS 而非 CPUNVIDIA 卡驱动装到 CUDA ≥ 11.8调低 Top-k / Top-p 滑块输出更收敛音频生成速度明显提升适合赶时间场景纯 CPU 就换轻量引擎XTTSv2 等大模型在 CPU 上很慢改用 YourTTS、Tacotron2 这类轻量引擎音质接近 Siri 但快得多转换中断后用--session恢复避免从头再跑踩坑速查高频问题一屏解决GPU 没被检测到→ 确认驱动版本NVIDIA 需 CUDA ≥ 11.8可运行仓库自带的python detect_gpus.py诊断依赖安装报错、版本冲突→ 放弃本地环境直接用 Docker 镜像完全自包含重启脚本后网页连不上→ 脚本重开后 Gradio 会生成新连接刷新一下浏览器页面即可重新连接音频被截断、句子读了一半→ 检查长句切分逻辑是否适配该语种把样本和日志提交给社区协助调优EPUB 里混入了不想要的内容→ EPUB 格式没有统一的章节标准转换前先手动删掉前言、广告等文字写在最后项目路线图上还排着 iOS/Android 应用、更多 TTS 引擎接入GPT-SoVITS、F5-TTS 等和云端服务集成功能在持续快速迭代中。今晚就挑一本吃灰的外语书让它用你的声音读给你听吧 小提示收藏本文方便随查有转换样本或语种调优建议欢迎反馈给社区。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
