8000 GitHub - jangviktor-web/novel2voice: 一键把小说原文、视频字幕(.srt/.ass)文件发给AI Agent,自动调用 MiMo TTS / Edge TTS 生成多角色有声书音频;智能区分人物角色、匹配专属音色、添加情感语调标注,内置 Edge 500 + 音色库。 触发关键词:有声书、小说转语音、字幕转语音、朗读、配音、TTS、多角色语音、视频配音 适用场景:用户提供小说 / 故事文本、字幕文件,需求生成有声书、旁白朗读、语音配音、TTS 音频。 · GitHub
[go: up one dir, main page]

Skip to content

About

一键把小说原文、视频字幕(.srt/.ass)文件发给AI Agent,自动调用 MiMo TTS / Edge TTS 生成多角色有声书音频;智能区分人物角色、匹配专属音色、添加情感语调标注,内置 Edge 500 + 音色库。 触发关键词:有声书、小说转语音、字幕转语音、朗读、配音、TTS、多角色语音、视频配音 适用场景:用户提供小说 / 故事文本、字幕文件,需求生成有声书、旁白朗读、语音配音、TTS 音频。

Topics

Resources

Stars

29 stars

Watchers

0 watching

Forks

Latest commit

 

History

21 Commits

Folders and files

Repository files navigation

1000194859

Novel2Voice

小说 / 视频字幕 → 多角色有声书,一步到位。

自动角色识别 · 情感标注 · 智能音色分配 · 异步并发生成 · 500+ 音色

Edge TTS MiMo TTS Python FFmpeg License Platform


安装 快速开始 · Features · 音色 · Usage · 工作流 · Comparison · Docs


📦 Installation

方式一:ClawHub 一键安装(推荐)/腾讯Skillhub一键安装

openclaw skills install @jangviktor-web/novel2voice

# 腾讯Skillhub 把下面这句话复制到wordbuddy、Qclaw 、openclaw即可安装 
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_ff4d9420/novel2voice。

方式二:直接克隆

git clone https://github.com/jangviktor-web/novel2voice.git
cd novel2voice
pip install requests charset_normalizer

方式三:一键安装脚本

curl -fsSL https://raw.githubusercontent.com/jangviktor-web/novel2voice/main/install.sh | bash

方式四:手动放入 Skills 目录

# QoderWork / OpenClaw / Claude Code 等 skills-compatible runtime
cp -r novel2voice ~/.qoderworkcn/skills/novel2voice

环境要求

依赖 版本 用途 必须
Python ≥ 3.8 主脚本运行 ✅
FFmpeg 任意 MP3 编码 + 响度标准化 ✅
requests 最新 HTTP 请求 TTS API ✅
charset_normalizer 最新 字幕文件编码检测 推荐
网络连接 — 调用 Edge TTS / MiMo API ✅

Note

Edge TTS 为默认后端,无需 API Key,开箱即用。MiMo TTS 需要额外设置 MIMO_API_KEY。


✨ Features

Feature Description
🎭 多角色自动分配 LLM 分析角色性别/年龄/性格,自动匹配最佳音色
🎨 情感风格控制 50+ 情感标签(温柔/愤怒/悲伤/撒娇…)、方言、唱歌模式
📝 字幕转语音 SRT/ASS 字幕文件,多编码自动检测,按时间轴对齐生成
⚡ 异步并发 多线程 TTS 生成,速度提升 3-5x,支持断点续传
🔊 500+ 音色 Edge TTS 覆盖 100+ 语言/地区,中文 28 个精品音色
🎵 MiMo TTS 小米 MiMo 音色设计、音色复刻、唱歌(需 API Key)
🎧 在线试听 内置 HTML 音色试听页面,搜索/筛选/一键复制
📖 章节拆分 自动识别「第X章/回/节」,按章合并输出
🔁 断点续传 中断后自动跳过已完成片段,继续生成
🎚️ 响度标准化 EBU R128 标准响度归一化,听感一致

🚀 Quick Start

1. 环境准备

# 检查依赖
python3 --version   # ≥ 3.8
ffmpeg -version     # 音频格式转换 + 响度标准化

# 安装 Python 依赖
pip install requests charset_normalizer

2. 一键生成

# 小说文本 → 有声书(自动识别角色)
python3 scripts/generate_audiobook.py --auto novel.txt ./output

# 异步并发(推荐,3-5x 加速)
python3 scripts/generate_audiobook.py --auto novel.txt ./output --async --concurrent 5

3. 完成

输出文件在 ./output/ 目录:

output/
├── output_complete.mp3      ← 完整有声书
├── chapters/                ← 按章节拆分
│   ├── 001_第一章.mp3
│   └── 002_第二章.mp3
├── segments/                ← 单片段(可选保留)
└── generation_log.json      ← 生成日志

Tip

首次运行会自动生成 3 段预览(preview.mp3),确认音色满意后再全量生成。


📖 Usage

基础用法

# 自动模式:LLM 分析角色 → 分配音色 → 生成
python3 scripts/generate_audiobook.py --auto novel.txt ./output

指定角色音色

# 手动指定角色→音色映射
python3 scripts/generate_audiobook.py --auto novel.txt ./output \
  --character-voices '{"旁白":"云扬","许七安":"云希","洛玉衡":"晓涵","李妙真":"晓墨"}'

字幕转语音

# SRT 字幕
python3 scripts/generate_audiobook.py --subtitle movie.srt ./output

# ASS 字幕 + 指定说话人音色
python3 scripts/generate_audiobook.py --subtitle anime.ass ./output \
  --speaker-voices '{"旁白":"云扬","张三":"云希","李四":"晓晓"}'

使用 MiMo TTS

# 需要设置 MIMO_API_KEY 环境变量
export MIMO_API_KEY="your-key-here"

python3 scripts/generate_audiobook.py --auto novel.txt ./output --tts-backend mimo

仅预览

# 只生成前 3 段,快速确认音色效果
python3 scripts/generate_audiobook.py --auto novel.txt ./output --preview-only

情感风格控制

在文本中嵌入风格标签即可控制语气:

(温柔)晚安,好梦。
(东北话)哎呀妈呀,这天儿也忒冷了吧!
(紧张)[深呼吸]呼……冷静,冷静。
(唱歌)原谅我这一生不羁放纵爱自由。
(极其疲惫,有气无力)师傅……到地方了叫我一声……
📋 完整风格标签列表

基础情绪: 开心 / 悲伤 / 愤怒 / 恐惧 / 惊讶 / 兴奋 / 委屈 / 平静 / 冷漠

复合情绪: 怅然 / 欣慰 / 无奈 / 愧疚 / 释然 / 嫉妒 / 厌倦 / 忐忑 / 动情

语调: 温柔 / 高冷 / 活泼 / 严肃 / 慵懒 / 俏皮 / 深沉 / 干练 / 凌厉

音色: 磁性 / 醇厚 / 清亮 / 空灵 / 稚嫩 / 苍老 / 甜美 / 沙哑 / 醇雅

人设: 夹子音 / 御姐音 / 正太音 / 大叔音 / 台湾腔

方言: 东北话 / 四川话 / 河南话 / 粤语

行内标签: [吸气] [深呼吸] [叹气] [喘息] [笑] [轻笑] [大笑] [冷笑] [抽泣] [呜咽] [哽咽] [颤抖] [气声] [沙哑]


🎙️ Voice Library

Edge TTS 中文音色 · 28 个

👩 女声 (7)

音色 声线 适配角色
晓晓 清亮标准播音 旁白、女主、解说
晓依 低沉温柔治愈 温柔人妻、治愈系
晓涵 文艺清冷 大家闺秀、文艺女主
晓墨 情绪丰富 虐文女主、江湖侠女
晓睿 稳重厚实中年 主母、长辈、老管家
晓双 清脆孩童少女 小丫鬟、幼年女主
晓梦 软萌甜妹 甜宠文女配、校园学妹

👨 男声 (6)

音色 声线 适配角色
云希 清爽阳光少年 少年男主、校园
云扬 央视浑厚播音 帝王、官员、旁白
云健 低沉浑厚大叔 硬汉、武将、中年男主
云夏 正太少年童声 幼年男主、小师弟
云泽 苍老沉稳 隐世高人、长老
云枫 平淡务实 温润男配、务实配角

🌍 方言 (9)

音色 口音 性别
云彪 东北 男
晓北 东北 女
云登 河南 男
云翔 山东 男
云熙 四川 男
云奇 广西 男
晓妮 陕西 女
云哲 吴语 男
晓彤 吴语 女

🇭🇰 粤语 (3) · 🇹🇼 台湾腔 (3)

音色 地区 性别
晓佳 粤语 女
晓蔓 粤语 女
云龙 粤语 男
晓晨 台湾 女
晓雨 台湾 女
云哲 台湾 男

MiMo TTS 音色 · 9 个

音色 语言 声线 适配角色
冰糖 中文 清甜治愈 温柔女主
茉莉 中文 软糯温柔 软萌女主、心机女配
苏打 中文 清亮少年 少年角色
白桦 中文 苍老沉稳 老年角色
Mia 英文 活泼开朗 活泼女主
Chloe 英文 冷淡优雅 御姐
Milo 英文 清亮阳光 少年男主
Dean 英文 低沉磁性 成熟男主

🎧 试听全部音色:用浏览器打开 scripts/voice_samples/index.html,支持搜索、分类筛选、一键复制音色名称。


🔄 Workflow

graph LR
    A[📄 文本/字幕输入] --> B[📑 章节拆分]
    B --> C[🔍 角色提取]
    C --> D[🎨 音色匹配]
    D --> E[✅ 用户确认]
    E --> F[🔊 并发生成]
    F --> G[🎚️ 响度标准化]
    G --> H[🎵 合并输出]
Loading
Step 说明 输出
1. 拆分章节 按「第X章/回/节」自动拆分,无标记则单章 章节列表
2. 提取角色 LLM 分析性别/年龄/性格/说话风格 角色档案
3. 匹配音色 根据特征自动匹配 + 情感标注 推荐方案表
4. 用户确认 展示方案,可调整任意角色音色 确认/修改
5. 生成音频 Edge TTS / MiMo TTS 异步并发 分段 MP3
6. 后处理 响度标准化 + 按章合并 + ID3 标签 最终 MP3

🆚 Comparison

Feature Novel2Voice ebook2audiobook 传统 TTS 工具 在线朗读器
多角色自动分配 ✅ LLM 识别 ✅ ❌ 手动 ❌ 单角色
情感/风格控制 ✅ 50+ 标签 ⚠️ SSML ⚠️ 有限 ❌ 无
字幕转语音 ✅ SRT/ASS ❌ ❌ ❌
并发生成 ✅ 异步多线程 ✅ ❌ 串行 ❌
音色数量 ✅ 500+ ✅ ⚠️ 几十个 ⚠️ 几个
中文方言 ✅ 9 种方言 ❌ ❌ ❌
断点续传 ✅ ✅ ❌ ❌
免费 ✅ 完全免费 ✅ ⚠️ 部分收费 ❌ 通常收费
无需 GPU ✅ ✅ ⚠️ 部分需要 ✅

📁 Structure

novel2voice/
├── SKILL.md                           # Agent 指令(核心工作流)
├── README.md                          # ← 你在这里
├── install.sh                         # 一键安装脚本
├── .gitignore
├── references/
│   ├── voice-catalog.md               # 完整音色库 + 风格标签 + 角色映射
│   ├── mimo-tts-api.md                # MiMo TTS API 文档
│   ├── edge-tts-annotation-guide.md   # Edge TTS 标注规范
│   └── generated-long-body.md         # 长文本处理策略
└── scripts/
    ├── generate_audiobook.py          # 主生成引擎
    ├── tts_voice.py                   # 单句 TTS 工具
    ├── tts_voice.sh                   # Shell 版 TTS
    ├── text_parser.py                 # 小说文本解析器
    ├── subtitle_parser.py             # SRT/ASS 字幕解析器
    ├── param_calculator.py            # 情感参数计算器
    ├── generate_voice_samples.py      # 音色样本生成器
    └── voice_samples/
        ├── index.html                 # 🎧 音色试听页面
        └── *.mp3                      # 28 个音色样本

🛠️ Troubleshooting

问题 原因 解决方案
生成无声音 FFmpeg 未安装 apt install ffmpeg / brew install ffmpeg
Edge TTS 连接失败 网络问题 脚本自动切换备用端点,或检查代理
中文乱码 文件编码非 UTF-8 转换编码:iconv -f GBK -t UTF-8 input.txt
角色识别不准 文本格式特殊 手动指定 --character-voices
生成太慢 未启用并发 加 --async --concurrent 5
Windows 中文路径报错 cmd 编码问题 用 python 代替 python3,路径避免中文
MiMo TTS 401 API Key 无效 检查 MIMO_API_KEY 环境变量
字幕时间轴偏移 重叠时间码 默认自动修复,或 --no-fix-overlaps 禁用

📚 Documentation

文档 说明
SKILL.md Agent 完整工作流指令
Voice Catalog 完整音色库、风格标签、角色→音色映射表
MiMo TTS API MiMo TTS 三种模型 API 文档
Edge TTS Guide Edge TTS 标注规范(角色/情绪/断句)
Long Body 长文本处理扩展说明

⭐️ Star

RepoStars


📄 License

MIT


Built with ❤️ for novel lovers · Powered by Edge TTS & MiMo TTS

🎙️ Novel2Voice — 让每一本小说都有声音

About

一键把小说原文、视频字幕(.srt/.ass)文件发给AI Agent,自动调用 MiMo TTS / Edge TTS 生成多角色有声书音频;智能区分人物角色、匹配专属音色、添加情感语调标注,内置 Edge 500 + 音色库。 触发关键词:有声书、小说转语音、字幕转语音、朗读、配音、TTS、多角色语音、视频配音 适用场景:用户提供小说 / 故事文本、字幕文件,需求生成有声书、旁白朗读、语音配音、TTS 音频。

Topics

Resources

Stars

29 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

0