FFFF GitHub - pekky/ABMaker: PDF小说转有声读物工具 - 基于Bark AI的智能语音合成 · GitHub
[go: up one dir, main page]

Skip to content
pekkyPublic

About

PDF小说转有声读物工具 - 基于Bark AI的智能语音合成

Resources

Stars

2 stars

Watchers

0 watching

Forks

Latest commit

 

History

3 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

📖 PDF小说转有声读物工具

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。

✨ 功能特点

  • 📄 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

🚀 快速开始

1. 安装依赖

# 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)

2. 使用Web界面(推荐)

# 启动Web界面
python app.py

然后在浏览器中打开 http://localhost:7860

Web界面使用步骤:

  1. 上传PDF文件
  2. 选择语音预设(例如:v2/zh_speaker_1 用于中文)
  3. 调整参数(可选)
  4. 点击"开始生成"
  5. 等待处理完成,下载音频文件

3. 使用命令行

# 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-chunks

命令行参数说明:

  • pdf_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

🎤 可用的语音预设

中文

  • v2/zh_speaker_0 到 v2/zh_speaker_9

英文

  • v2/en_speaker_0 到 v2/en_speaker_9

其他语言

  • 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

💻 系统要求

硬件要求

  • 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

软件要求

  • Python 3.8+
  • CUDA 11.7+ (如果使用GPU)

📂 项目结构

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

⚙️ 工作原理

  1. PDF提取: 使用 pdfplumber 从PDF文件中提取文本
  2. 文本分割: 智能分割文本成适合Bark处理的片段(约13秒音频)
  3. 音频生成: 使用Bark模型为每个文本片段生成语音
  4. 音频合并: 将所有音频片段合并成完整的有声读物

🔧 高级用法

自定义文本处理

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
)

仅使用音频生成器

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")

⚠️ 注意事项

  1. 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
  2. 显存占用: 完整模型需要约12GB显存,可使用 --small-model 减少占用
  3. 音质: Bark生成的音频是完全合成的,可能不如专业录音
  4. 语言检测: 请根据PDF内容选择正确的语音预设
  5. 版权: 请确保您有权使用PDF内容制作有声读物

🐛 常见问题

Q: 显存不足怎么办?

A: 使用 --small-model 选项,或设置环境变量:

export SUNO_USE_SMALL_MODELS=True
export SUNO_OFFLOAD_CPU=True

Q: 生成速度太慢?

A:

  • 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

Q: 音频质量不好?

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

Q: 支持其他格式的文档吗?

A: 目前只支持PDF格式。如需支持其他格式,可以先转换为PDF。

📝 许可证

本项目使用 MIT 许可证。Bark模型也使用 MIT 许可证。

🙏 致谢

  • 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

📧 联系方式

如有问题或建议,欢迎提交Issue或Pull Request。


享受您的AI有声读物! 🎧

About

PDF小说转有声读物工具 - 基于Bark AI的智能语音合成

Resources

Stars

2 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

0