VoiceLibra - 电子书转有声书项目

📖 项目简介

VoiceLibra 是一个将电子书自动转换为有声书的智能工具。它使用 Fish-Speech TTS引擎提供高质量的语音合成，支持智能章节拆分，并生成包含完整章节元数据的有声书文件。项目提供了基于 Gradio 的直观Web界面，让转换过程变得简单易用。

✨ 主要特性

• 🔄 多格式支持：支持20+种电子书格式输入 (epub/pdf/mobi等)
• 🎯 智能解析：自动识别章节结构，智能分割内容
• 🗣️ 高质量TTS：集成Fish-Speech引擎，支持多语言
• 🎤 声音克隆：支持上传参考音频实现声音克隆
• 📑 元数据支持：在有声书中保留完整章节信息
• 🎵 多格式输出：支持m4b/mp3/wav等多种音频格式
• 🌐 Web界面：提供友好的Gradio操作界面

🚀 快速开始

环境要求

• Python >= 3.10
• NVIDIA GPU（推荐，但CPU也可运行）
• Calibre
• FFmpeg
• Fish-Speech API服务

安装步骤

1. 克隆项目：

git clone https://github.com/yourusername/VoiceLibra.git
cd VoiceLibra

2. 安装依赖：

pip install -r requirements.txt

3. 启动Fish-Speech服务：

python -m tools.api_server --listen 0.0.0.0:8080 --llama-checkpoint-path <model_path> --decoder-checkpoint-path <decoder_path> --decoder-config-name firefly_gan_vq

4. 启动应用：

python main.py

访问 http://127.0.0.1:7860 即可看到界面

💡 使用指南

基本流程

1. 准备文件

   • 上传电子书文件（支持epub/pdf/mobi等）
   • (可选) 上传参考音频进行声音克隆

2. 预览配置

   • 点击"预览章节"检查章节划分
   • 选择输出音频格式(m4b/mp3等)
   • 调整其他参数（如有）

3. 开始转换

   • 点击"转换为有声书"
   • 等待转换完成，期间可预览各章节
   • 下载最终的有声书文件

高级功能

• 声音克隆：上传10-30秒的清晰录音，搭配对应文本效果更佳
• 章节定制：支持手动调整章节划分
• 元数据定制：可自定义章节标题和时间点

🔧 技术架构

核心模块

• 解析引擎 (parser.py)

  • 基于ebooklib的EPUB解析
  • 智能章节识别算法
  • 文本预处理优化

• 语音引擎 (tts_fish.py)

  • Fish-Speech API集成
  • 声音克隆处理
  • 多语言支持

• 界面模块 (ui.py)

  • Gradio交互界面
  • 实时进度显示
  • 音频预览功能

数据流

电子书文件 -> 解析引擎 -> 章节文本 -> TTS引擎 -> 音频片段 -> 音频合并 -> 有声书

📝 开发指南

项目结构

VoiceLibra/
├── main.py          # 程序入口
├── parser.py        # 解析模块
├── tts_fish.py      # TTS接口
├── ui.py           # 界面逻辑
├── config.json     # 配置文件
└── requirements.txt # 依赖清单

扩展开发

• 添加新格式：扩展parser.py中的格式支持
• 自定义TTS：修改tts_fish.py实现其他TTS接口
• 界面定制：通过ui.py调整Gradio界面

⚠️ 注意事项

• 建议使用GPU进行语音合成，CPU下速度较慢
• 电子书应与TTS模型语言匹配以获得最佳效果
• 首次运行时模型加载需等待数分钟
• 请遵守版权法规，仅用于个人学习用途

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

👥 参与贡献

欢迎提交Issue和Pull Request！

🙏 致谢

感谢以下开源项目：

• Fish-Speech
• Gradio
• Calibre
• FFmpeg