企业官网建设流程全解析

把电子书读出声：ebook2audiobook 电子书转有声书完整快速使用指南

【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

书柜里的电子书大多买了没翻，安静地躺着。ebook2audiobook（下称 E2A）把它们直接转成带章节和元数据的 m4b 有声书，还能上传一段你的录音克隆自己的声音来"念"给你听。这篇指南解决四件事：网页怎么跑起来、终端怎么批量转、听感怎么调、扫描版和外语书怎么处理。

成品长什么样

产物是标准的 m4b 文件，带章节和元数据，任何有声书播放器都能按章播放；转换完成后在网页上直接试听、下载。

它能帮你干什么：

• 章节结构保留：.epub和.mobi自动识别章节，输出直接分章；
• 格式吃得开：.epub、.mobi、.pdf、.txt、.docx、.html、.zip等 23 种输入格式，m4b、mp3、flac、wav、ogg、aac等 10 种输出格式；
• 声音克隆：传 1–5 分钟录音，整本书换成"你的声音"；
• 语言够多：支持 1158 种语言，XTTSv2、Bark、VITS、Tacotron2 等 8 种 TTS 引擎，实现见 lib/classes/tts_engines/。

⚠️ E2A 只适用于无 DRM、合法获取的电子书，误用的法律后果与作者无关。

跑起来：两条路任选

网页路线

1. 拉代码：

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

clone 无参数，只负责把源码放进本地ebook2audiobook目录。

2. 跑启动脚本：

./ebook2audiobook.command

不带参数即网页模式，依赖自动装好，服务起在 7860 端口（Windows 用ebook2audiobook.cmd）。

3. 打开http://localhost:7860/：电子书拖进上传框，可选传录音做声音克隆，选处理器（CPU/GPU）和语言，点Convert。

命令行路线

一条可整段复制的完整命令（Linux/macOS）：

./ebook2audiobook.command --headless --ebook /path/to/book.epub --voice /path/to/voice.wav --language eng

--headless进入无头模式，--language收 ISO-639-3 或两位码，--voice可省略、缺省用内置声音。

常用搭配：

• --ebooks_dir：指向一个目录，目录里的书一次转完；配--voice_map（JSON 文件）可给每本书指定不同声音；
• --session <会话名>：中断后从断点续转；
• --abs_url等：成品直接推进本地 Audiobookshelf 书库；
• --help查看全部参数。

听感调优指南

听感参数都在网页 "Audio Generation Preferences" 标签页，命令行同样可用（以下均为 XTTS 参数）。

想更快

• --top_k（10–100）：值越低只从高概率词里采样，生成越快；
• --top_p（0.1–1）：累计概率阈值，方向同 top_k，越低越稳越快。

想更像

• --temperature（0.1–10）：越高越"发散"，越低越平稳；
• --repetition_penalty（1–10）：值越高越抑制重复短语；
• --speed（0.5–3）：语速倍数，1 为原速；
• 给某个声音"开小灶"：Notebooks/finetune/xtts/ 里有 Colab 与 Kaggle 笔记本，用免费 GPU 微调自己的 XTTSv2。

批量处理

• --ebooks_dir：整目录一次转完；
• --voice_map：按 JSON 给每本书分配不同声音；
• --enable_text_splitting：长文分块合成，适合长书。

🎧 进阶玩法按场景来

克隆自己的声音效果：整本书换成"你的声音"，录音带背景噪音、垫着音乐都不怕，E2A 会先清背景再提取人声。做法：录一段 1–5 分钟的音频，传到 Cloning Voice 框，mp3/wav/m4a 等常见格式都行。注意：太短模型"学不扎实"，别低于 1 分钟。

精确控制停顿与换声（SML 标签）效果：文本里插几个标记，朗读节奏自己说了算。做法：[break]给 0.3–0.6 秒随机短停顿，[pause]给 1.0–1.6 秒，[pause:3]固定 3 秒，[voice:/路径/声音文件]...[/voice]区间内换声，对话体小说一人分饰两角正合适。注意：不想手动插，官方 E2A-SML 工具链能自动写入。

让扫描版 PDF 也能听效果：没有文本层的 PDF，以及 JPG/PNG/TIFF/BMP 图片书，内置 OCR 先认字再送 TTS。注意：识别质量直接决定听感，字体花哨的扫描页先抽查识别结果。

外语书先翻译再合成效果：选中引擎不支持书的语言时，加--translate（fra、deu 等 ISO-639-3 码），整本书先翻译再合成。注意：翻译输出带_<代码>后缀单独存放，不会覆盖原书结果。

环境与部署

• 硬件门槛：最低 2GB 内存 / 1GB 显存，推荐 8GB / 4GB；
• 可用设备：CPU、CUDA、MPS（Apple Silicon）、ROCm、XPU、Jetson；现代 TTS 引擎在纯 CPU 上很慢，官方建议换 YourTTS、Tacotron2 这类轻量引擎；
• 容器化：DEVICE_TAG=cu128 docker compose --profile gpu up --no-log-prefix一行起 GPU 网页版；镜像自包含、无依赖冲突，无头模式同样可用；注意 MPS 不暴露给容器，只能选 CPU；
• 改默认值：输出格式（默认 m4b）、声道（默认 mono）、输出目录，编辑 lib/conf.py 即可。

排坑手册

1. GPU 检测不到— 现象：设备选择回落到 CPU；原因：驱动版本不在支持范围（需 CUDA ≥ 11.8 等）；解法：先升级驱动，暂时用 CPU 加轻量引擎。
2. CPU 转得太慢— 原因：现代引擎在 CPU 上天生慢；解法：上 GPU 接近实时，只能 CPU 就换 YourTTS、Tacotron2 等轻量引擎。
3. 依赖冲突— 原因：本地环境版本打架；解法：直接用 Docker，镜像自包含，无头模式也能跑。
4. 音频被截断— 原因：该语言的断句逻辑还不成熟；解法：把原句附进 issue 提给官方，帮着改进。
5. 转换中断要续转— 原因：崩溃或手动停止；解法：带--session <会话名>重跑，从断点继续。

两个容易踩的坑：EPUB 本身没有统一的"章节/序言"标准，不想被读出来的段落先手动删掉再转；脚本被杀后重启，记得刷新一次浏览器页面，否则连不上新的服务。

建议先拿一本短 EPUB 把上面流程走通，再慢慢碰声音克隆和 SML 标签，比上来就调参数省事。完整说明见 README.md。

【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