📚 ebook2audiobook

使用Calibre和Coqui XTTS将电子书转换为包含章节和元数据的有声读物。支持可选的语音克隆和多种语言！

本工具仅适用于非DRM、合法获取的电子书。
作者对软件的任何误用或由此产生的法律后果概不负责。
请负责任地使用本工具，并遵守所有适用法律。

🖥️ Web GUI界面

点击查看Web GUI的图片

🌟 特征

📖 使用Calibre将电子书转换为文本格式。
📚 将电子书拆分为章节，以获得有组织的音频。
🎙️ 使用Coqui XTTS实现高质量的文本到语音转换。
🗣️ 可选择使用您自己的语音文件进行语音克隆。
🌍 支持多种语言（默认为英语）。
🖥️ 基于4GB RAM运行。

🛠️ 环境要求

Python 3.10
coqui-tts Python package
Calibre (用于电子书转换)
FFmpeg (用于有声读物创作)
Optional: 用于语音克隆的自定义语音文件

🔧 安装说明

安装 Python 3.x from Python.org.
安装 Calibre:
- Ubuntu: sudo apt-get install -y calibre
- macOS: brew install calibre
- Windows (Admin Powershell): choco install calibre
安装 FFmpeg:
- Ubuntu: sudo apt-get install -y ffmpeg
- macOS: brew install ffmpeg
- Windows (Admin Powershell): choco install ffmpeg
可选: Install Mecab (非拉丁语言):
- Ubuntu: sudo apt-get install -y mecab libmecab-dev mecab-ipadic-utf8
- macOS: brew install mecab, brew install mecab-ipadic
- Windows: mecab-website-to-install-manually (注：日语支持有限)

安装 Python packages:

pip install coqui-tts==0.24.2 pydub nltk beautifulsoup4 ebooklib tqdm gradio==4.44.0

python -m nltk.downloader punkt
python -m nltk.downloader punkt_tab

For non-Latin languages:

pip install mecab mecab-python3 unidic

python -m unidic download

🌐 支持的语言

English (en)
Spanish (es)
French (fr)
German (de)
Italian (it)
Portuguese (pt)
Polish (pl)
Turkish (tr)
Russian (ru)
Dutch (nl)
Czech (cs)
Arabic (ar)
Chinese (zh-cn)
Japanese (ja)
Hungarian (hu)
Korean (ko)

在无头模式下运行脚本时指定语言代码。

🚀 使用

🖥️ 启动Gradio Web界面

运行脚本:
```
python app.py
```
打开web应用程序: 点击终端中提供的URL访问web应用程序并转换电子书.
公共链接: 在末尾添加“--share True”，如下所示：python app.py--share True

[更多参数]: 使用-h参数，如python app.py-h

📝 基本的无头用法

python app.py --headless True --ebook <path_to_ebook_file> --voice [path_to_voice_file] --language [language_code]

: 电子书文件的路径。
[path_to_voice_file]: 指定转换的语音文件，可选。
[language_code]: 指定转换的语言，可选。
[更多参数]: 使用 -h 参数，如 python app.py -h

🧩 自定义XTTS模型的无头用法

python app.py --headless True --use_custom_model True --ebook <ebook_file_path> --voice <target_voice_file_path> --language <language> --custom_model <custom_model_path> --custom_config <custom_config_path> --custom_vocab <custom_vocab_path>

: 电子书文件的路径。
: 指定转换的语音文件，可选。
: 指定转换的语言，可选。
: model.pth的路径。
: config.json的路径。
: vocab.json的路径。
[更多参数]: 使用 -h 参数，如 python app.py -h

🧩 自定义XTTS Fine-Tune 模型的无头用法 🌐

python app.py --headless True --use_custom_model True --ebook <ebook_file_path> --voice <target_voice_file_path> --language <language> --custom_model_url <custom_model_URL_ZIP_path>

: 电子书文件的路径。
: 指定转换的语音文件，可选。
: 指定转换的语言，可选。
: 模型文件夹压缩包的URL路径。例如 xtts_David_Attenborough_fine_tune https://huggingface.co/drewThomasson/xtts_David_Attenborough_fine_tune/resolve/main/Finished_model_files.zip?download=true
[更多参数]: 使用 -h 参数，如 python app.py -h

🔍 详细指南，包括所有要使用的参数列表

python app.py -h

这将输出以下内容:

usage: app.py [-h] [--share] [--headless [HEADLESS]] [--ebook EBOOK]
              [--ebooks_dir [EBOOKS_DIR]] [--voice VOICE] [--language LANGUAGE]
              [--device {cpu,gpu}] [--use_custom_model] [--custom_model CUSTOM_MODEL]
              [--custom_config CUSTOM_CONFIG] [--custom_vocab CUSTOM_VOCAB]
              [--custom_model_url CUSTOM_MODEL_URL] [--temperature TEMPERATURE]
              [--length_penalty LENGTH_PENALTY]
              [--repetition_penalty REPETITION_PENALTY] [--top_k TOP_K] [--top_p TOP_P]
              [--speed SPEED] [--enable_text_splitting]

Convert eBooks to Audiobooks using a Text-to-Speech model. You can either launch the Gradio interface or run the script in headless mode for direct conversion.

options:
  -h, --help            show this help message and exit
  --share               Enable a public shareable Gradio link. Defaults to False.
  --headless [HEADLESS]
                        Run in headless mode. Defaults to True if the flag is present without a value, False otherwise.
  --ebook EBOOK         Path to the ebook file for conversion. Required in headless mode.
  --ebooks_dir [EBOOKS_DIR]
                        Path to the directory containing ebooks for batch conversion. Defaults to './ebooks' if 'default' value is provided.
  --voice VOICE         Path to the target voice file for TTS. Optional, uses a default voice if not provided.
  --language LANGUAGE   Language for the audiobook conversion. Options: en, es, fr, de, it, pt, pl, tr, ru, nl, cs, ar, zh-cn, ja, hu, ko. Defaults to English (en).
  --device {cpu,gpu}    Type of processor unit for the audiobook conversion. Defaults to cpu.
  --use_custom_model    Use a custom TTS model. Defaults to False. Must be True to use custom models.
  --custom_model CUSTOM_MODEL
                        Path to the custom model file (.pth). Required if using a custom model.
  --custom_config CUSTOM_CONFIG
                        Path to the custom config file (config.json). Required if using a custom model.
  --custom_vocab CUSTOM_VOCAB
                        Path to the custom vocab file (vocab.json). Required if using a custom model.
  --custom_model_url CUSTOM_MODEL_URL
                        URL to download the custom model as a zip file. Optional, but will be used if provided. Examples include David Attenborough's model: 'https://huggingface.co/drewThomasson/xtts_David_Attenborough_fine_tune/resolve/main/Finished_model_files.zip?download=true'. More XTTS fine-tunes can be found on my Hugging Face at 'https://huggingface.co/drewThomasson'.
  --temperature TEMPERATURE
                        Temperature for the model. Defaults to 0.65. Higher temperatures lead to more creative outputs.
  --length_penalty LENGTH_PENALTY
                        A length penalty applied to the autoregressive decoder. Defaults to 1.0. Not applied to custom models.
  --repetition_penalty REPETITION_PENALTY
                        A penalty that prevents the autoregressive decoder from repeating itself. Defaults to 2.0.
  --top_k TOP_K         Top-k sampling. Lower values mean more likely outputs and increased audio generation speed. Defaults to 50.
  --top_p TOP_P         Top-p sampling. Lower values mean more likely outputs and increased audio generation speed. Defaults to 0.8.
  --speed SPEED         Speed factor for the speech generation. Defaults to 1.0.
  --enable_text_splitting
                        Enable splitting text into sentences. Defaults to False.

Example usage:    
Windows:
    headless:
    ./ebook2audiobook.cmd --headless --ebook 'path_to_ebook' --voice 'path_to_voice' --language en --use_custom_model --custom_model 'model.zip' --custom_config config.json --custom_vocab vocab.json
    Graphic Interface:
    ./ebook2audiobook.cmd
Linux/Mac:
    headless:
    ./ebook2audiobook.sh --headless --ebook 'path_to_ebook' --voice 'path_to_voice' --language en --use_custom_model --custom_model 'model.zip' --custom_config config.json --custom_vocab vocab.json
    Graphic Interface:
    ./ebook2audiobook.sh

⚠️ 遗留的旧版使用说明

🚀 使用

----> ebook2audiobookXTTS/legacy/

🖥️ Web界面

运行脚本:

python custom_model_ebook2audiobookXTTS_gradio.py

打开web应用程序: 单击终端中提供的URL以访问web应用程序并转换电子书。

📝 基础用法

python ebook2audiobook.py <path_to_ebook_file> [path_to_voice_file] [language_code]

: 电子书文件的路径。
[path_to_voice_file]: 指定转换的语音文件，可选。
[language_code]: 指定转换的语言，可选。

🧩 自定义XTTS模型

python custom_model_ebook2audiobookXTTS.py <ebook_file_path> <target_voice_file_path> <language> <custom_model_path> <custom_config_path> <custom_vocab_path>

: 电子书文件的路径。
: 指定转换的语音文件，可选。
: 指定转换的语言，可选。
: model.pth的路径。
: config.json的路径。
: vocab.json的路径。

🐳 使用Docker

您还可以使用Docker运行电子书到有声读物的转换器。这种方法确保了不同环境之间的一致性，并简化了设置。

🚀 运行Docker容器

要运行Docker容器并启动Gradio接口，请使用以下命令：

-仅使用CPU运行

docker run -it --rm -p 7860:7860 --platform=linux/amd64 athomasson2/ebook2audiobookxtts:huggingface python app.py

-使用GPU加速运行（仅限Nvida显卡）

docker run -it --rm --gpus all -p 7860:7860 --platform=linux/amd64 athomasson2/ebook2audiobookxtts:huggingface python app.py

此命令将启动7860端口上的Gradio接口(localhost:7860)

对于更多选项，如以无头模式运行docker或公开gradio链接，请在docker启动命令中的app.py后添加-h参数

在无头模式下使用docker或使用额外参数修改任何内容的示例+完整指南

在无头模式下使用docker的示例

首先是docker pull的最新版本

docker pull athomasson2/ebook2audiobookxtts:huggingface

在运行此命令之前，您需要在当前目录中创建一个名为“input folder”的目录，该目录将被链接，您可以在此处放置docker镜像的输入文件

mkdir input-folder && mkdir Audiobooks

运行下面命令需要将 YOUR_INPUT_FILE.TXT 替换为您创建的输入文件的名称

docker run -it --rm \
    -v $(pwd)/input-folder:/home/user/app/input_folder \
    -v $(pwd)/Audiobooks:/home/user/app/Audiobooks \
    --platform linux/amd64 \
    athomasson2/ebook2audiobookxtts:huggingface \
    python app.py --headless True --ebook /home/user/app/input_folder/YOUR_INPUT_FILE.TXT

应该就是这样了！
输出Audiobooks将在Audiobook文件夹中找到，该文件夹也位于您运行此docker命令的本地目录中

要获取此程序中其他参数的帮助命令，可以运行以下命令

docker run -it --rm \
    --platform linux/amd64 \
    athomasson2/ebook2audiobookxtts:huggingface \
    python app.py -h

这将输出以下内容

user/app/ebook2audiobookXTTS/input-folder -v $(pwd)/Audiobooks:/home/user/app/ebook2audiobookXTTS/Audiobooks --memory="4g" --network none --platform linux/amd64 athomasson2/ebook2audiobookxtts:huggingface python app.py -h
starting...
usage: app.py [-h] [--share SHARE] [--headless HEADLESS] [--ebook EBOOK] [--voice VOICE]
              [--language LANGUAGE] [--use_custom_model USE_CUSTOM_MODEL]
              [--custom_model CUSTOM_MODEL] [--custom_config CUSTOM_CONFIG]
              [--custom_vocab CUSTOM_VOCAB] [--custom_model_url CUSTOM_MODEL_URL]
              [--temperature TEMPERATURE] [--length_penalty LENGTH_PENALTY]
              [--repetition_penalty REPETITION_PENALTY] [--top_k TOP_K] [--top_p TOP_P]
              [--speed SPEED] [--enable_text_splitting ENABLE_TEXT_SPLITTING]

Convert eBooks to Audiobooks using a Text-to-Speech model. You can either launch the
Gradio interface or run the script in headless mode for direct conversion.

options:
  -h, --help            show this help message and exit
  --share SHARE         Set to True to enable a public shareable Gradio link. Defaults
                        to False.
  --headless HEADLESS   Set to True to run in headless mode without the Gradio
                        interface. Defaults to False.
  --ebook EBOOK         Path to the ebook file for conversion. Required in headless
                        mode.
  --voice VOICE         Path to the target voice file for TTS. Optional, uses a default
                        voice if not provided.
  --language LANGUAGE   Language for the audiobook conversion. Options: en, es, fr, de,
                        it, pt, pl, tr, ru, nl, cs, ar, zh-cn, ja, hu, ko. Defaults to
                        English (en).
  --use_custom_model USE_CUSTOM_MODEL
                        Set to True to use a custom TTS model. Defaults to False. Must
                        be True to use custom models, otherwise you'll get an error.
  --custom_model CUSTOM_MODEL
                        Path to the custom model file (.pth). Required if using a custom
                        model.
  --custom_config CUSTOM_CONFIG
                        Path to the custom config file (config.json). Required if using
                        a custom model.
  --custom_vocab CUSTOM_VOCAB
                        Path to the custom vocab file (vocab.json). Required if using a
                        custom model.
  --custom_model_url CUSTOM_MODEL_URL
                        URL to download the custom model as a zip file. Optional, but
                        will be used if provided. Examples include David Attenborough's
                        model: 'https://huggingface.co/drewThomasson/xtts_David_Attenbor
                        ough_fine_tune/resolve/main/Finished_model_files.zip?download=tr
                        ue'. More XTTS fine-tunes can be found on my Hugging Face at
                        'https://huggingface.co/drewThomasson'.
  --temperature TEMPERATURE
                        Temperature for the model. Defaults to 0.65. Higher Tempatures
                        will lead to more creative outputs IE: more Hallucinations.
                        Lower Tempatures will be more monotone outputs IE: less
                        Hallucinations.
  --length_penalty LENGTH_PENALTY
                        A length penalty applied to the autoregressive decoder. Defaults
                        to 1.0. Not applied to custom models.
  --repetition_penalty REPETITION_PENALTY
                        A penalty that prevents the autoregressive decoder from
                        repeating itself. Defaults to 2.0.
  --top_k TOP_K         Top-k sampling. Lower values mean more likely outputs and
                        increased audio generation speed. Defaults to 50.
  --top_p TOP_P         Top-p sampling. Lower values mean more likely outputs and
                        increased audio generation speed. Defaults to 0.8.
  --speed SPEED         Speed factor for the speech generation. IE: How fast the
                        Narrerator will speak. Defaults to 1.0.
  --enable_text_splitting ENABLE_TEXT_SPLITTING
                        Enable splitting text into sentences. Defaults to True.

Example: python script.py --headless --ebook path_to_ebook --voice path_to_voice
--language en --use_custom_model True --custom_model model.pth --custom_config
config.json --custom_vocab vocab.json

🖥️ Docker图形用户界面

点击查看Web界面的图片

🛠️ 关于自定义XTTS模型

为更好地处理特定声音而构建的模型。查看我的Hugging Face页面 here.

要使用自定义模型，请粘贴“Finished_model_files.zip”文件的链接，如下所示：

David Attenborough fine tuned Finished_model_files.zip

更多详细信息请访问 Dockerfile Hub Page.

🌐 微调XTTS模型

要查找已经过微调的XTTS型号，请访问Hugging Face 🌐. 模型搜索需要包含“xtts fine tune”的关键字。

🎥 Demos

https://github.com/user-attachments/assets/8486603c-38b1-43ce-9639-73757dfb1031

🤗 Huggingface space demo

Huggingface空间正在空闲cpu层上运行，所以预计会非常慢或超时，哈哈，只是不要给它大文件
最好复制空间或在本地运行。

📚 支持的电子书格式

.epub, .pdf, .mobi, .txt, .html, .rtf, .chm, .lit, .pdb, .fb2, .odt, .cbr, .cbz, .prc, .lrf, .pml, .snb, .cbc, .rb, .tcr
最佳结果: .epub 或者 .mobi格式可以进行自动章节检测。

📂 输出

创建一个包含元数据和章节的“.m4b”文件。
例子: