这是一个基于AI语音合成技术的PDF小说转有声读物工具,使用 Bark 模型生成高质量的语音音频。
- 📄 支持PDF格式小说文件
- 🎤 支持多种语言和音色(中文、英文、日语、韩语等)
- 🤖 使用Bark AI模型生成自然流畅的语音
- 🎵 自动合并音频片段,生成完整有声读物
- 🌐 提供Web界面,操作简单便捷
- 💻 支持命令行模式,适合批量处理
# 克隆或下载项目
cd ttlnovel
# 安装Python依赖(建议使用Python 3.8+)
pip install -r requirements.txt
# 下载NLTK数据(首次运行时会自动下载)# 启动Web界面
python app.py然后在浏览器中打开 http://localhost:7860
- 上传PDF文件
- 选择语音预设(例如:
v2/zh_speaker_1用于中文) - 调整参数(可选)
- 点击"开始生成"
- 等待处理完成,下载音频文件
# 基本用法
python audiobook_maker.py your_novel.pdf
# 指定输出文件
python audiobook_maker.py your_novel.pdf -o my_audiobook.wav
# 选择不同的语音
python audiobook_maker.py your_novel.pdf -v v2/zh_speaker_3
# 使用小模型(节省显存)
python audiobook_maker.py your_novel.pdf --small-model
# 保留中间音频片段
python audiobook_maker.py your_novel.pdf --keep-chunkspdf_file: PDF文件路径(必需)-o, --output: 输出音频文件路径(默认:audiobook.wav)-v, --voice: 语音预设(默认:v2/zh_speaker_1)-c, --max-chars: 每个片段的最大字符数(默认:200)--small-model: 使用小模型,节省显存--keep-chunks: 保留音频片段文件
v2/zh_speaker_0到v2/zh_speaker_9
v2/en_speaker_0到v2/en_speaker_9
- 日语:
v2/ja_speaker_0到v2/ja_speaker_9 - 韩语:
v2/ko_speaker_0到v2/ko_speaker_9 - 德语:
v2/de_speaker_0到v2/de_speaker_9 - 法语:
v2/fr_speaker_0到v2/fr_speaker_9 - 西班牙语:
v2/es_speaker_0到v2/es_speaker_9
更多语音预设请参考 Bark文档
- GPU推荐: NVIDIA GPU with 12GB+ VRAM(完整模型)
- GPU最低: 4GB+ VRAM(使用
--small-model选项) - CPU: 支持,但速度较慢
- 内存: 8GB+ RAM
- Python 3.8+
- CUDA 11.7+ (如果使用GPU)
ttlnovel/
├── pdf_extractor.py # PDF文本提取模块
├── text_processor.py # 文本处理和分割模块
├── audio_generator.py # Bark音频生成模块
├── audiobook_maker.py # 主程序(命令行)
├── app.py # Web界面(Gradio)
├── requirements.txt # 依赖列表
└── README.md # 说明文档
- PDF提取: 使用
pdfplumber从PDF文件中提取文本 - 文本分割: 智能分割文本成适合Bark处理的片段(约13秒音频)
- 音频生成: 使用Bark模型为每个文本片段生成语音
- 音频合并: 将所有音频片段合并成完整的有声读物
from audiobook_maker import AudiobookMaker
# 创建制作器,自定义参数
maker = AudiobookMaker(
voice_preset="v2/zh_speaker_1",
max_chars=250, # 每段更多字符
use_small_model=True # 使用小模型
)
# 生成有声读物
maker.create_audiobook(
pdf_path="novel.pdf",
output_path="audiobook.wav",
keep_chunks=True # 保留中间文件
)from audio_generator import AudioGenerator
# 初始化生成器
generator = AudioGenerator(voice_preset="v2/zh_speaker_1")
# 生成单个音频
audio = generator.generate_single_audio("这是一段测试文本。")
# 批量生成
chunks = ["第一段文本。", "第二段文本。", "第三段文本。"]
audio_files = generator.generate_audiobook(chunks)
# 合并音频
generator.merge_audio_files(audio_files, "output.wav")- 处理时间: 生成有声读物需要较长时间,取决于文本长度和硬件性能
- 显存占用: 完整模型需要约12GB显存,可使用
--small-model减少占用 - 音质: Bark生成的音频是完全合成的,可能不如专业录音
- 语言检测: 请根据PDF内容选择正确的语音预设
- 版权: 请确保您有权使用PDF内容制作有声读物
A: 使用 --small-model 选项,或设置环境变量:
export SUNO_USE_SMALL_MODELS=True
export SUNO_OFFLOAD_CPU=TrueA:
- 使用GPU可以显著提升速度
- 减少
max_chars参数会增加片段数量,但每个片段生成更快 - 考虑使用更强大的硬件
A:
- 尝试不同的语音预设
- 确保PDF文本提取质量良好
- 调整
max_chars参数以优化分段
A: 目前只支持PDF格式。如需支持其他格式,可以先转换为PDF。
本项目使用 MIT 许可证。Bark模型也使用 MIT 许可证。
- Bark - Suno AI的开源文本转语音模型
- Gradio - 用于构建Web界面
- pdfplumber - PDF文本提取
如有问题或建议,欢迎提交Issue或Pull Request。
享受您的AI有声读物! 🎧