Ebook2Audiobook：
一个能将电子书转换为有声书的工具，支持利用 XTTSv2、Bark 等多种 TTS 模型，可实现语音克隆，支持超过 1110 种语言，能将电子书按章节分割并添加元数据。可以使用 CPU 或者 GPU 进行加速运算，内存最低需 4GB，推荐 8GB 。
功能：
- • 📖 使用 Calibre 将 eBooks 转换为文本格式。
- • 📚 将 eBooks 拆分为章节，以组织音频。
- • 🎙️ 使用 Coqui XTTSv2 和 Fairseq 的高质量文本转语音。
- • 🗣️ 可选的语音克隆，使用你自己的语音文件。
- • 🌍 支持 1107 种语言（默认是英语）。
- • 🖥️ 设计为在 4GB RAM 上运行。
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
安装
Docker Compose（CPU）
services:
ebook2audiobook:
image: athomasson2/ebook2audiobook:cpu
container_name: ebook2audiobook
ports:
- 7860:7860
volumes:
- /vol1/1000/docker/ebook2audiobook/input_folder:/app/input_folder
- /vol1/1000/docker/ebook2audiobook/audiobooks:/app/audiobooks
restart: always
Docker Compose（GPU）
services:
ebook2audiobook:
image: athomasson2/ebook2audiobook:latest
container_name: ebook2audiobook
ports:
- 7860:7860
volumes:
- /vol1/1000/docker/ebook2audiobook/input_folder:/app/input_folder
- /vol1/1000/docker/ebook2audiobook/audiobooks:/app/audiobooks
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [gpu]
restart: always
参数说明（更多参数建议去看文档）
:::
athomasson2/ebook2audiobook:cpu（版本）：使用 GPU 更换为 latest
/app/input_folder（路径）：输入电子书
/app/audiobooks（路径）：输出有声书
:::
使用
浏览器中输入 http://NAS的IP:7860 就能看到界面
这个界面其实是中文的
滑到最底部，这里有一个设置按钮
为了截图方便，这里我切换成深色模式了
选择电子书（测试的话先别选太大的）
转换的语音设置为中文
TIP：选择上传的不清楚为什么会提示检测网络问题，有可能需要下载一些运行文件
声音可以选择自带默认的，也可以上传 wav 文件
选择当前部署容器对应的平台（目前没什么用，应该是还没整合好）
XTTS、Bark 和 Tacotron 的区别如下：
XTTS 擅长多语言语音克隆，Bark 强于多样化语音风格与非语音生成，Tacotron 则以高质量基础语音合成为核心
可以选择不同的 TTS 引擎（XTTS，Bark，Tacotron），切换不同下面显示所需设备性能也不一样
最后可以选择输出格式
其他默认不懂的即可，点击生成
右下角会显示需要多长时间，我的文本大小 7.8KB，大概需要花费 3 分钟左右
后台能看到显卡是显存大概占用 4G 左右
内存占用也不小，在 4.5G 左右
在 /audiobooks 路径下，也可以看到生成的音频文件
生成完成后，音频可以点击下载和**，不过效果只能说一般般
如果效果不满意，这里还可以进行调节
总结
作为一款电子书转有声书工具，支持电子书格式和转换语言还是挺多的，能满足不同用户的基础需求。不过对硬件设备有要求，显卡显存起码需要 4GB，其他资源占用也比较多，对低配置设备压力很大。至于生成的效果，个人感觉比较一般，可能是需要调节其他参数。
综合推荐：⭐⭐⭐（支持格式多，但需优化细节）
使用体验：⭐⭐⭐（手上简单，不过有一些问题）
部署难易：⭐⭐（简单）
2025-8-15 13:59:28
