3分钟把电子书变成有声书：ebook2audiobook免费完整教程（支持克隆自己的声音）
【免费下载链接】ebook2audiobookGenerate audiobooks from e-books, voice cloning & 1158+ languages!项目地址: https://gitcode.com/GitHub_Trending/eb/ebook2audiobook
书架上是不是堆着一堆买了却没读完的电子书？ebook2audiobook（简称 E2A）是一款免费的开源转换工具，它用 AI 语音合成把电子书读成带章节标记的有声书——支持 1158 种语言、9 个 TTS 引擎（文本转语音引擎），还能用你自己录的声音来"读"。下面按"装好 → 用会 → 玩出花样"的顺序，带你从第一本有声书走到批量生产线。
先听为快：这本书会"说话"之后是什么样
一句话概括 E2A 能做什么：你丢进一本电子书，它吐出一整个有声书架。
- 1158 种语言：从中文、英语到斯瓦希里语，语言代码用 ISO-639 格式（如
eng、zho），两字母代码如en也认得 - 23 种输入格式：
.epub、.mobi、.azw3、.pdf、.txt、.docx、.html甚至扫描图片（.png、.jpg）都能转 - 9 个 TTS 引擎：XTTSv2、Bark、VITS、Tacotron2、YourTTS、GlowTTS、Tortoise、Fairseq、Piper，可自由切换
- 语音克隆：上传一段自己的录音，之后的有声书全部用你的嗓子读
- 10 种输出格式：M4B、MP3、WAV、FLAC 等，单声道或立体声任选
- 完全本地运行：转换过程不上传任何文件，读什么书只有你自己知道
典型的使用场景：通勤路上"听"完一本周报和小说、给娃做睡前故事、帮视力不好的家人"读"报纸、把英文原版书变成外语听力材料。
⚠️ 一个前提：只处理无 DRM 保护、合法获取的电子书，作者不对滥用负责。
低门槛启动：2GB 内存的电脑就够跑
先说实话：E2A 对硬件的要求比你想的低得多，但"低"和"快"是两回事。
硬件门槛（来自官方 README）
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| 内存 | 2GB | 8GB |
| 显存 | 1GB | 4GB |
| Python | 3.10 – 3.12（启动脚本自动装好，不用你操心） | — |
| 处理器 | 纯 CPU 即可；NVIDIA 显卡（CUDA）、Apple Silicon（MPS）、AMD（ROCm）都能加速 | 有 GPU 体验接近实时 |
没有独立显卡也没关系，只是速度会从"几乎实时"降到"慢慢磨"，后面排坑章节有对应解法。
两步安装，装完就能用
# 第一步：克隆仓库 git clone https://gitcode.com/GitHub_Trending/eb/ebook2audiobook cd ebook2audiobook# 第二步：启动（首次运行会自动安装 Python 依赖，稍等片刻） ./ebook2audiobook.command # Linux / macOS # Windows 用户直接双击 ebook2audiobook.cmd看到终端里蹦出http://localhost:7860/的地址后，浏览器打开它，图形界面就来了。
图形界面四步走：从上传到拿到音频
界面是 Gradio（网页版交互界面）风格，分标签页操作，零基础也能跟着走完。
第 1 步：上传电子书，预览章节
在 "Input Options" 区域把文件拖进上传框。.epub和.mobi是自动识别章节效果最好的两种格式；如果你的书里有目录页、版权页这类不想被读出来的内容，建议先在阅读器里手动删掉再转换（EPUB 格式没有统一的章节结构标准，这是官方明确提醒的）。另外这里还有个"文本框"入口，最多 1024 个字符，适合直接把一段短文转成语音试试声。
第 2 步：调音——温度、语速、引擎怎么填
切到 "Audio Generation Preferences" 标签页，几个关键旋钮的推荐取值：
- 温度（Temperature）：控制语音的"发挥空间"，越高越有变化、越不重复。求稳读小说，建议从 0.6–0.8 之间起步
- Top-p（Top-p 采样）：限制模型只从"最可能的前 p 比例"候选词里选，调低（如 0.8）语音更自然、生成还更快
- 语速（Speed）：默认 1x，通勤想赶进度可以拉高，给孩子讲睡前故事就放慢
- 引擎：默认 XTTSv2（质量最好、支持语音克隆）；纯 CPU 机器可换 YourTTS 或 Tacotron2 提速
- 输出格式：默认 M4B 单声道，一般不用动
第 3 步：点 Convert，然后去喝杯水
长书转换需要时间，进度条会在页面上实时滚动。中途反悔了？点电子书上传组件上的 [X] 即可取消。
第 4 步：试听 + 下载
转换完成后，在结果页直接在线试听，满意后点下载按钮，文件同时保存在本地的audiobooks目录下。
命令行与语音克隆：进阶用户的"批处理"路线
图形界面适合单本精修，命令行（headless 模式，即不开界面直接跑转换）才是批量党的主场。
一个整文件夹批量转
把一堆书放进一个目录，一条命令全部读出来：
# 批量转换 books 目录下所有电子书，输出到 audiobooks，指定英语 ./ebook2audiobook.command --headless --ebooks_dir "books" --output_dir "audiobooks" --language eng所有参数一览可用--help查看，完整清单也能在 lib/conf.py 的cli_options里查到。常用的还有：
--output_format：指定输出格式（mp3、m4b、wav……）--device：指定 CPU/CUDA/MPS 等计算设备--session：转换中断或崩溃后，凭会话 ID 断点续转，不用从头再来
三步克隆自己的声音朗读
- 手机随便录一段1–5 分钟的人声（wav 或 mp3 都行）
- 环境不用安静——README 明确说背景有噪声甚至音乐都没事，E2A 会先把你的声音去噪清洗
- 转换时加上
--voice指向这段录音：
# 用你自己的声音读这本书 ./ebook2audiobook.command --headless --ebook "books/moby_dick.epub" --voice "voices/my_voice.wav" --language eng批量转换时还能用--voice_map传入一个 JSON 映射文件，给不同书配不同讲述人（比如给诗集配你的声音、给历史读物配家人的声音）。
更细的控制：SML 标签
文本里可以埋入 SML（Special Markup Language）标签做精细编排：[break]插入 0.3–0.6 秒短停顿、[pause]插入 1.0–1.6 秒长停顿、[pause:3]精确暂停 3 秒、[voice:路径]...[/voice]在句子中间切换讲述者。做多人对话的剧本式有声书，这组标签就是全部家当。想要"自动"打标签？可以看仓库内置的 components/E2A-SML/ 组件。
两个能直接抄的作业方案
方案 A：通勤族"地铁听书"流水线
适合每天通勤 30 分钟以上、想"听"完技术文档或长篇小说的人。
- 周日下午花 10 分钟：把下周想读的书放进一个文件夹，用
--ebooks_dir批量转，--speed 1.2提 20% 语速 - 输出选 MP3 格式（手机、车机、蓝牙音箱全兼容）；如果听书 App 支持章节跳转，就选默认的 M4B
- 音频同步到手机，地铁上从上次章节继续
常用输出格式怎么选，看这张表（--output_format对应关系）：
| 格式 | 优点 | 缺点 | 什么时候选它 |
|---|---|---|---|
| M4B（默认） | 带章节标记，有声书 App 直接认 | 个别车机不支持 | 长篇有声书、搭配 Audiobookshelf |
| MP3 | 兼容性最好，到处能放 | 无章节信息 | 手机 / 车机 / 音箱 |
| WAV | 无损音质 | 文件体积最大 | 要后期剪辑、二次加工 |
| FLAC | 无损且比 WAV 小 | 体积仍大于 MP3 | 自己存档 |
方案 B：家长"睡前故事 + 双语启蒙"组合
- 从公共领域书库找一本英文版童书（
.epub最佳，自动分章最准），语速设 0.9x，[pause:2]在每章之间多留两秒，节奏更舒缓 - 想让孩子顺便学中文（或反过来）？加一个
--translate zho参数，E2A 会先离线翻译整本再合成，翻译版文件名自动加语言后缀，和原版互不干扰 - 进阶玩法：用你自己的声音克隆读给孩子听——"爸爸亲自讲"的睡前故事，比任何 AI 声线都亲切
🎧 一位做程序员的用户在讨论区留言：每周日批量转好下周 3 章技术书，通勤两小时听完，"半年听完了 5 本，比啃文字快多了"。另一位英语老师则拿它给学生批量生成课文音频，"孩子追着问我能不能再把故事换个人声读一遍"。
排坑与调音：转换慢、声音不自然怎么办
问题一：转得太慢？
慢的根源通常是"引擎跑在 CPU 上"。按优先级排查：
- 先确认 GPU 被识别了——终端启动日志会打印检测到的设备；有卡却没用上，可用
--device CUDA手动指定 - 有 GPU 就保持默认 XTTSv2，接近实时输出；纯 CPU 机器换轻量引擎
| 引擎 | 音质 | CPU 速度 | 适合谁 |
|---|---|---|---|
| XTTSv2（默认） | 高，接近真人 | 慢（建议 GPU） | 追求质量、要语音克隆 |
| Bark | 高，表现力强 | 慢 | 需要情绪、语气变化 |
| YourTTS | 中等（官方形容为"Siri 水平"） | 快 | 纯 CPU 机器（注意：不支持零样本克隆） |
| Tacotron2 | 中等 | 快 | 纯 CPU 机器，只求能听 |
- 依赖装不上、环境冲突？直接用 Docker 镜像，官方说明它是"完全自包含"的，一条
docker run命令就能跑 GUI 或 headless 模式（docker-compose.yml 已备好）
问题二：声音不自然、听着像"机器人念稿"？
- 温度先试 0.6–0.8 区间微调，太高会开始"编词"，太低会机械
- Top-p 收到 0.8 左右，Top-k 适当调小，输出更可预测、生成还更快
- 换个预调好的预设模型试试：
--fine_tuned指向官方预设（如不同口音/风格的 XTTSv2 微调模型），仓库里的 lib/conf_models.py 能看到引擎与默认参数对照 - 音频被截断？官方建议直接提 Issue 反馈——团队需要各语言的句子切分样本来修这个逻辑
其他高频疑问
- 想边转边推流？加
--abs_url等参数可直接写入 Audiobookshelf 服务器 - 扫描版 PDF、纯图片的 JPG 也能转：内置 OCR（光学字符识别）会先把图里的字认出来
- 想自己训练一个专属声音模型？仓库内置了 components/Universal_TTS_Finetune/ 训练组件和 Notebooks/finetune/xtts/colab_xtts_finetune_webui.ipynb 在线训练笔记本，录 1–5 分钟素材就能起步
去哪找免费书，以及进阶方向
素材从哪来：首选公共领域书库——古登堡计划（Project Gutenberg）上的经典作品没有版权限制，放心转。仓库自带的 ebooks/tests/ 目录里还有 80 多个语言版本的测试电子书（.azw3+ 对应.txt），想先试试某个语言的合成效果，从这儿拿一本最方便。
进阶三条路：
- 想要自动化的停顿与换声：研究 components/E2A-SML/，它负责把 SML 标签自动加进书里
- 想拥有"只属于你的声音模型"：用 Notebooks/colab_ebook2audiobook.ipynb 在无卡环境免费跑转换，用 Universal_TTS_Finetune 训练专属模型后再通过
--custom_model上传（zip 包需含 config.json、model.pth、vocab.json、ref.wav） - 想改默认行为：lib/conf.py 里所有默认值（输出格式、声道、目录）都集中在那一段注释为"CAN BE MODIFIED"的区域，官方建议改前先备份原文件
现在就可以动手了：把仓库拉下来，从 ebooks/tests/ 挑一本测试书，用默认设置转一首"有声书"出来听听——从第一声"开口"到批量生产线，中间只隔着一个下午。
【免费下载链接】ebook2audiobookGenerate audiobooks from e-books, voice cloning & 1158+ languages!项目地址: https://gitcode.com/GitHub_Trending/eb/ebook2audiobook
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
