epub2tts
1.0.0
epub2tts 是一款免费开源 Python 应用程序，可使用 Coqui AI TTS、OpenAI 或 MS Edge 的真实文本转语音功能，从 epub 或文本文件轻松创建功能齐全的有声读物。
注意：添加了新的多处理功能！您现在可以使用--threads N指定要运行的线程数，其中章节将并行处理！如果您使用 Edge 或 OpenAI，您可以将线程设置为尽可能多的章节，并且它们都可以同时处理。使用 TTS/XTTS 时，您需要进行一些试验，看看您的系统可以处理什么。
注意：查看 epub2tts-edge 以获得仅适用于 MS Edge 的非常快速的轻量级替代方案。该版本并行读取多个句子并且速度更快！
epub2tts mybook.epub --export txt# Part 1等替换为所需的章节名称，并删除前面的内容，例如目录和其他您不想阅读的内容。注意：前两行可以是标题：和作者：以在有声读物元数据中使用。另请注意，在作者/标题之后，书籍副本必须以开头带有井号的行标记的章节或部分开始（例如# Introduction ）。% <speaker>将扬声器设置为按章节更改，例如# Chapter One % en-US-AvaMultilingualNeural 。有关示例，请参阅文件multi-speaker-sample-edge.txt 。注意：仅适用于 Coqui TTS 多扬声器引擎（默认）或--engine edge 。 使用VITS模型，全部默认，不需要GPU：
epub2tts mybook.epub （要更改扬声器（例如 p307 以获得带有 Coqui TTS 的好男声），请添加： --speaker p307 ） 在云中使用 Microsoft Edge TTS，免费，只需要最少的 CPU，而且速度相当快（例如 7 小时的书需要 100 分钟）。有多种语音和语言可供选择，而且质量非常好（听sample-en-US-AvaNeural-edge.m4b为例）。
edge-tts --list-voices列出可用的语音，如果未指定--speaker ，则默认扬声器为en-US-AndrewNeural 。epub2tts mybook.txt --engine edge --speaker en-US-AvaNeural --cover cover-image.jpg --saypartsepub2tts mybook.txt --engine xtts --speaker "Damien Black" --cover cover-image.jpg --saypartsepub2tts mybook.epub --scan ，确定从哪一部分开始和结束，以便您可以跳过目录等。epub2tts my-book.epub --start 4 --end 20 --xtts voice-1.wav,voice-2.wav,voice-3.wav --cover cover-image.jpg--export txt时，此选项在每个段落分隔符处插入%P% 。然后，当使用--engine edge创建音频时，任何时候在副本中发现%P%时都会插入 1.2 秒的暂停。预先感谢您报告您遇到的任何错误/问题！如果您遇到问题，请首先搜索现有问题，看看其他人以前是否遇到过类似的问题。
如果您发现了新内容，请提出问题并确保包含：
--debug --minratio 0再次运行该命令，以获取更多信息--threads N功能，以及对 NCX 文件的支持，以改进对如何进行检测epub 中的文本是分开的。--skip-cleanup选项以跳过用“，”替换特殊字符xtts_v2 的典型推理时间平均超过 4 个处理块（每个处理块大约 4 个句子），可以预期：
| Hardware | Inference Time |
|-------------------------------------|----------------|
| 20x CPU Xeon E5-2630 (without AVX) | 3.7x realtime |
| 20x CPU Xeon Silver 4214 (with AVX) | 1.7x realtime |
| 8x CPU Xeon Silver 4214 (with AVX) | 2.0x realtime |
| 2x CPU Xeon Silver 4214 (with AVX) | 2.9x realtime |
| Intel N4100 Atom (NAS) | 4.7x realtime |
| GPU RTX A2000 4GB (w/o deepspeed) | 0.4x realtime |
| GPU RTX A2000 4GB (w deepspeed) | 0.15x realtime |
所需的 Python 版本是 3.11。
此安装需要 Python < 3.12 和 Homebrew（我使用 homebrew 安装 espeak、pyenv 和 ffmpeg）。根据这个错误，mecab 也应该通过自制软件安装。
语音模型将保存在本地~/.local/share/tts
#install dependencies
brew install espeak pyenv ffmpeg mecab
#install epub2tts
git clone https://github.com/aedocw/epub2tts
cd epub2tts
pyenv install 3.11
pyenv local 3.11
#OPTIONAL but recommended - install this in a virtual environment
pip install coqui-tts --only-binary spacy
python -m venv .venv && source .venv/bin/activate
pip install .
这些说明适用于 Ubuntu 22.04（20.04 显示了一些依赖性问题），但应该适用于几乎任何存储库（使用适当的软件包安装程序 mods）。使用前请确保已安装ffmpeg 。如果您有 NVIDIA GPU，您还应该安装 CUDA 工具包才能使用 deepspeed。
语音模型将保存在本地~/.local/share/tts
#install dependencies
sudo apt install espeak-ng ffmpeg
#If you have a CUDA-compatible GPU, run:
sudo apt install nvidia-cuda-toolkit
#clone the repo
git clone https://github.com/aedocw/epub2tts
cd epub2tts
pip install coqui-tts --only-binary spacy
pip install .
注意：如果您安装了 deepspeed，它可能会被检测到但无法正常工作，从而导致错误。尝试安装 CUDA 工具包以查看是否可以解决问题。如果这不能解决问题，请添加--no-deepspeed ，它将不会被使用。同样在这种情况下，请使用您的详细信息提出问题，我们将进行调查。
在 Ubuntu 22 的 WSL2 中运行 epub2tts 是最简单的方法，但这些步骤应该适用于直接在 Windows 中运行。
安装 Microsoft C++ 构建工具。从 https://visualstudio.microsoft.com/visual-cpp-build-tools/ 下载安装程序，然后运行下载的文件vs_BuildTools.exe并选择“C++ 构建工具”复选框，将所有选项保留为默认值。注意：这将需要 C 盘上大约 7 GB 的空间。
从 https://github.com/espeak-ng/espeak-ng/releases/latest 安装 espeak-ng
安装巧克力
使用命令choco install ffmpeg安装 ffmpeg，确保您处于提升的 powershell 会话中。
使用命令choco install python311安装 python 3.11
使用命令choco install git安装 git 。
决定您希望 epub2tts 项目存放在哪里，文档是一个常见的地方。找到满意的目录后，使用git clone https://github.com/aedocw/epub2tts和 cd epub2tts 克隆项目，这样您现在就位于工作目录中。
您可能有几种不同的方式可以到达这里，我个人选择了 venv 来保持一切井井有条。使用命令python -m venv .venv创建 venv
激活 venv，在 Windows 上，命令略有不同，因为您发出.venvscriptsactivate
使用命令pip install coqui-tts --only-binary spacy && pip install .
如果一切顺利，您应该能够从 venv 中调用 epub2tts 并从此目录中更新它。要更新，请使用git pull然后使用pip install . --upgrade
您可能会遇到的一些错误
pip install lxml手动安装最新版本，然后重新运行pip install .python -c "import nltk"然后python -m nltk.downloader punktpip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121--no-deepspeed就不会使用。注意：Docker 镜像最近尚未更新或测试，可能可以工作，但已过时。
语音模型将保存在本地~/.local/share/tts
Docker 的使用并不能可靠地利用 GPU，如果有人想致力于改进这一点，我们将非常欢迎您的 PR！
对于Linux 和 MacOS ：
alias epub2tts='docker run -e COQUI_TOS_AGREED=1 -v "$PWD:$PWD" -v ~/.local/share/tts:/root/.local/share/tts -w "$PWD" ghcr.io/aedocw/epub2tts:release'
对于Windows ：先决条件：
#Example for running scan of "mybook.epub"
docker run -e COQUI_TOS_AGREED=1 -v ${PWD}/.local/share/tts:/root/.local/share/tts -v ${PWD}:/root -w /root ghcr.io/aedocw/epub2tts:release mybook.epub --scan
#Example for reading parts 3 through 15 of "mybook.epub"
docker run -e COQUI_TOS_AGREED=1 -v ${PWD}/.local/share/tts:/root/.local/share/tts -v ${PWD}:/root -w /root ghcr.io/aedocw/epub2tts:release mybook.epub --start 3 --end 15
#clone the repo
git clone https://github.com/aedocw/epub2tts
cd epub2tts
#create a virtual environment
python -m venv .venv
#activate the virtual environment
source .venv/bin/activate
#install dependencies
sudo apt install espeak-ng ffmpeg
pip install coqui-tts --only-binary spacy
pip install -r requirements.txt
git pullpip install . --upgrade？克里斯托弗·埃多
贡献者
欢迎贡献、问题和功能请求！
请随意查看问题页面或讨论页面。
如果这个项目对你有帮助的话就给个️吧！
