ebook2audiobook

一键把电子书变成有声书，支持千种语言和声音克隆

ebook2audiobook 是一个将电子书自动转换为有声书的开源工具，支持 EPUB、PDF 等格式，内置 1158 多种语言和声音克隆功能。它解决了传统有声书制作成本高、周期长的问题，让用户能快速生成自然流畅的听书内容。核心能力包括：文本提取与清洗、多语言 TTS 合成、声音克隆（模仿特定音色）、章节分割与音频拼接，并提供 Gradio 网页界面和 Docker 部署方式，方便非技术用户使用。项目基于 Python 开发，兼容 Linux、macOS 和 Windows，支持在 Colab 或 Kaggle 上运行，适合个人听书、语言学习、内容创作者等场景。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 20212

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队DrewThomasson

所属国家

官网地址

GitHubhttps://github.com/DrewThomasson/ebook2audiobook

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费自部署使用，无在线服务。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型audiobook,audiobooks,chinese,colab-notebook,docker,english,epub,gradio,kaggle,linux,mac,multilingual,tts,voice-cloning,windows,xtts

GitHub 星标★ 20212

30天Star增速

HF 下载量

上线时间2024-01-22 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 20 分钟部署方式：Docker 7 步

环境要求

安装 Docker（GPU 加速需 NVIDIA 驱动并支持 --gpus all）
操作系统为 Linux / macOS / Windows
准备非 DRM 的合法电子书文件（EPUB、PDF 等）
首次运行需下载模型，预留足够磁盘空间与时间

安装与启动步骤

1克隆项目仓库

把项目下载到本地，并进入项目根目录，后续所有脚本都在此目录执行。
```
git clone https://github.com/DrewThomasson/ebook2audiobook.git
cd ebook2audiobook
```
2构建容器镜像

用项目自带脚本构建镜像。Windows 把命令换成 ebook2audiobook.cmd，Compose 方式加 --docker_mode compose。
```
./ebook2audiobook.command --script_mode build_docker
```

3启动 GUI 容器

挂载电子书、音频、模型、声音和临时目录，映射 7860 端口，启动 CPU 版 Gradio 界面。

docker run -v "./ebooks:/app/ebooks" -v "./audiobooks:/app/audiobooks" -v "./models:/app/models" -v "./voices:/app/voices" -v "./tmp:/app/tmp" --rm -it -p 7860:7860 athomasson2/ebook2audiobook:cpu

4GPU 加速启动

有 NVIDIA 显卡时加 --gpus all，镜像标签按驱动选择 cu118/cu122/cu124/cu126 等。

docker run -v "./ebooks:/app/ebooks" -v "./audiobooks:/app/audiobooks" -v "./models:/app/models" -v "./voices:/app/voices" -v "./tmp:/app/tmp" --gpus all --rm -it -p 7860:7860 athomasson2/ebook2audiobook:cu126

5Compose 方式启动

用 docker compose 拉起 GUI，DEVICE_TAG 指定设备标签，需在项目目录内执行。
```
DEVICE_TAG=cu128 docker compose --profile gpu up --no-log-prefix
```

6无头模式转换

不打开网页，直接指定容器内电子书路径批量转换，音频写入挂载的 audiobooks 目录。

docker run -v "./ebooks:/app/ebooks" -v "./audiobooks:/app/audiobooks" -v "./models:/app/models" -v "./voices:/app/voices" -v "./tmp:/app/tmp" --rm -it -p 7860:7860 ebook2audiobook:cpu --headless --ebook "/app/ebooks/myfile.pdf" --language eng

7本地命令行运行

Linux/macOS 用 .command 脚本、Windows 用 .cmd 脚本直接调用，参数含义与容器内一致。
```
./ebook2audiobook.command --headless --ebook ./ebooks/myfile.epub --voice ./voices/myvoice.mp3 --language eng
```

关键配置

配置项	必填	说明	示例
`--ebook`	是	电子书文件路径，本地脚本用相对路径，容器内用 /app 下路径	`/app/ebooks/myfile.pdf`
`--voice`	否	声音克隆参考音频路径，不填则使用默认音色	`/app/voices/myvoice.mp3`
`--language`	否	语言代码，支持 ISO-639-3 三字母及 ISO-639-1 两字母，默认 eng	`eng`
`--headless`	否	启用无界面命令行模式，直接转换并输出音频文件	`--headless`
`--script_mode`	否	脚本运行模式，build_docker 表示构建容器镜像	`build_docker`
`DEVICE_TAG`	否	compose 启动时选择设备镜像标签，如 cu128、cpu、rocm	`cu128`

如何确认成功

浏览器打开 http://localhost:7860 能看到 Gradio 网页界面即为启动成功；无头模式的音频文件会出现在挂载的 audiobooks 目录。

常见问题

Q：没有 NVIDIA 显卡能跑吗？

A：可以，使用 athomasson2/ebook2audiobook:cpu 镜像即可。README 说明 Docker 中不暴露 MPS，Apple 芯片也只能用 CPU。

Q：--language 应该怎么填？

A：填 ISO-639-3 三字母代码，如 eng（英语）、ita（意大利语）、deu（德语），也支持 ISO-639-1 两字母；不填默认 eng。

Q：--voice 是必填的吗？

A：不是，该参数为可选。不提供声音克隆文件时，会使用项目自带的默认音色生成音频。

Q：CUDA 镜像标签怎么选？

A：镜像标签形式为 cu118、cu122、cu124、cu126 等，需要与本机 NVIDIA 驱动和 CUDA 环境匹配，否则容器无法使用 GPU。

Q：用 docker compose 还是手动 docker run？

A：两者都可以。compose 方式用 DEVICE_TAG 选择设备并加 --profile gpu，手动方式则自行挂载目录并加 --gpus all。

注意事项

本工具仅用于非 DRM、合法获得的电子书，请勿用于侵权用途。
Docker 环境不支持 MPS，macOS 只能使用 CPU 镜像。
首次运行会下载 TTS 模型，耗时较长且占用较多磁盘空间。
运行时务必在项目目录下执行，否则 ./ebooks、./audiobooks 等挂载目录可能不存在。

核心亮点

支持 1158+ 种语言，覆盖全球主要语种，包括中文、英文等
集成声音克隆，可生成特定人声的听书音频
提供 Gradio 界面和 Docker 部署，上手简单，支持本地或云端运行

不足之处

长文本合成时可能产生音频不一致或停顿问题
声音克隆效果依赖输入样本质量，低质量样本效果一般
文档/社区待观察

适用场景

个人将电子书转为有声书，通勤或睡前听书
语言学习者生成多语言朗读材料，辅助听力练习
内容创作者快速生成有声内容，用于播客或视频

替代项目

Coqui TTS、Piper、AudioBookConverter

项目介绍

ebook2audiobook 是音频音乐领域的开源项目，由 DrewThomasson 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（20,212）位列前 3%，在音频音乐分类的 738 个项目里位列前 2%。

近 41 天，它的 GitHub 星标从 19,671 增加到 20,212，净增 541。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。Apache-2.0许可证，可免费自部署使用，无在线服务。

它主要面向的使用场景是：个人将电子书转为有声书，通勤或睡前听书。同类可对比的替代方案包括 Coqui TTS、Piper、AudioBookConverter。

上一篇：LA-Studio

下一篇：Bert-VITS2