BookVoice - 图文转语音系统

将图片、PDF、Word文档中的文字识别后转换为语音MP3文件。

环境要求

软件	说明
Python 3.8+	https://python.org
Node.js 16+	https://nodejs.org
ffmpeg	MP3合并功能必需

快速开始

1. 安装依赖

Windows: 双击运行 bookvoice/install.bat macOS/Linux: bash bookvoice/install.sh

2. 启动应用

cd bookvoice
python app.py

3. 访问

打开浏览器访问 http://localhost:5000

首次运行 OCR 功能时，easyocr 会下载模型文件（约 300MB）。

使用说明

上传文件

点击上传按钮，选择图片（PNG、JPG）、PDF 或 Word 文档。

输出模式

• Single 模式：每个文档独立生成一个 MP3，多文档打包 ZIP 下载
• Merged 模式：所有文档合并成一个 MP3 下载

下载

任务完成后，点击"下载"按钮获取 MP3 文件。

常见问题

任务一直显示"处理中"

• 任务在后台异步处理
• 任务列表会自动刷新（每3秒）
• 稍等片刻即可

TTS语音问题

• 仅支持 Windows 系统
• 需要安装 ffmpeg：choco install ffmpeg

API 返回 401 Unauthorized

• 前端已配置默认 API Key：dev-key-change-me
• 可通过环境变量 BOOKVOICE_API_KEY 修改