ebook2audiobook/readme/README_GER.md

📚 ebook2audiobook

CPU/GPU Konverter von eBook zu Hörbüchern mit Kapiteln und Metadaten durch Calibre, ffmpeg, XttSv2, Fairseq und mehr. Unterstützt das Klonen von stimmen und 1124 Sprachen!

Dieses Tool ist nur für die Verwendung mit legal erworbenen eBooks ohne DRM vorgesehen.

Die Autoren sind nicht für den Missbrauch dieser Software oder daraus resultierende rechtliche Konsequenzen verantwortlich.

Verwenden Sie dieses Tool verantwortungsbewusst und in Übereinstimmung mit allen geltenden Gesetzen.

Neue v2.0 Weboberfläche

Klicken Sie hier, um Bilder der Weboberfläche zu sehen!

README.md

• en Englisch

Inhaltsverzeichnis

• ebook2audiobook
• Funktionen
• Neue v2.0 Weboberfläche!
• Huggingface Space Demo
• Kostenloses Google Colab
• Vorgefertigte Audio-Beispiele
• Unterstützte Sprachen
• Systemanforderungen
• Installationsanleitung
• Verwendung
  • Gradio Weboberfläche starten
  • Grundlegende Verwendung in der Konsole
  • Verwendung von besonderen XTTS Modellen
• Sammlung von Fine-Tuned TTS Modellen
• Benutzung mit Docker
• Unterstützte eBook Formate
• Ausgabeformate
• Häufige Probleme
• Besonderer Dank
• Trete unserem Discord Server bei

Funktionen

• 📖 Konvertiert eBooks mit Calibre ins Textformat.
• 📚 Teilt eBooks in Kapitel auf, um Audio zu organisieren.
• 🎙️ Hochwertige Text-to-Speech-Funktion mit Coqui XTTSv2 und Fairseq.
• 🗣️ Optionales klonen von Stimmen mit Ihrer eigenen Sprachdatei.
• 🌍 Unterstützt 1107 Sprachen (standardmäßig Englisch). Liste der unterstützten Sprachen
• 🖥️ Entwickelt für die Ausführung auf 4 GB RAM.

Huggingface Space-Demo

• Huggingface Space läuft auf der kostenlosen CPU-Stufe, also rechnen Sie mit sehr langsamer Leistung oder Timeouts. Daher am besten keine riesigen Dateien ausprobieren.
• Am besten duplizieren Sie den Bereich oder führen das Programm lokal aus.

Kostenloses Google Colab

Unterstützte Sprachen

• Arabisch (ara)
• Chinesisch (zho)
• Tschechisch (ces)
• Niederländisch (nld)
• Englisch (eng)
• Französisch (fra)
• Deutsch (deu)
• Hindi (hin)
• Ungarisch (hun)
• Italienisch (ita)
• Japanisch (jpn)
• Koreanisch (kor)
• Polnisch (pol)
• Portugiesisch (por)
• Russisch (rus)
• Spanisch (spa)
• Türkisch (tur)
• Vietnamesisch (vie)
• ** + 1107 Sprachen über Fairseq**

Systemanforderungen

• 4 GB RAM
• Virtualisierung aktiviert, wenn unter Windows ausgeführt (nur Docker)

Installationsanleitung

1. Klone das Git-Repository

git clone https://github.com/DrewThomasson/ebook2audiobook.git

Geben Sie das Sprachkürzel an, wenn Sie das Skript in der Konsole ausführen ausführen.

Verwendung

Gradio-Weboberfläche starten

1. ebook2audiobook ausführen:

• Linux/MacOS:

./ebook2audiobook.sh # Startskript ausführen

• Windows

.\ebook2audiobook.cmd # Startskript ausführen

2. Web-App öffnen: Klicken Sie auf die im Terminal bereitgestellte URL, um auf die Web-App zuzugreifen und eBooks zu konvertieren.
3. Für öffentliche Links: Fügen Sie am Ende --share hinzu, wie folgt: python app.py --share

• [Für weitere Parameter]: Verwenden Sie den Parameter --help wie folgt: python app.py --help

Grundlegende Verwendung in der Konsole

• Linux/MacOS:

./ebook2audiobook.sh --headless --ebook <Pfad_zur_E-Book-Datei> --voice [Pfad_zur_Sprachdatei] --language [Sprachkürzel]

• Windows

.\ebook2audiobook.cmd --headless --ebook <Pfad_zur_E-Book-Datei> --voice [Pfad_zur_Sprachdatei] --language [Sprachkürzel]

• <Pfad_zur_E-Book-Datei>: Pfad zu Ihrer E-Book-Datei.
• [Pfad_zur_Sprachdatei]: Optional für Stimmklonierung.
• [Sprachkürzel]: Optional zur Angabe des ISO-639-3-Sprachkürzel mit 3+ Buchstaben (Standard ist „eng“). ISO-639-1 2-Buchstaben-Code wird ebenfalls unterstützt
• [Weitere Parameter]: Verwenden Sie den Parameter --help wie folgt python app.py --help

Verwendung von besonderen XTTS Modellen

• Linux/MacOS:

./ebook2audiobook.sh --headless --ebook <Pfad_zur_E-Book-Datei> --voice <Pfad_zur_Sprachdatei> --language <Sprachkürzel> --custom_model <Pfad_zum_Modell> --custom_config <Pfad_zur_Konfigdatei> --custom_vocab <Pfad_zur_benutzerdefinierten_Vokabeldatei>

• Windows

.\ebook2audiobook.cmd --headless --ebook <Pfad_zur_E-Book-Datei> --voice <Pfad_zur_Sprachdatei> --language <Sprachkürzel> --custom_model <Pfad_zum_Modell> --custom_config <Pfad_zur_Konfigdatei> --custom_vocab <Pfad_zur_benutzerdefinierten_Vokabeldatei>

• <Pfad_zur_E-Book-Datei>: Pfad zu Ihrer eBook-Datei.
• <Pfad_zur_Sprachdatei>: Optional für Stimmklonierung.
• <Sprachkürzel>: Optional zur Angabe der Sprache.
• <Pfad_zum_Modell>: Pfad zu model.pth.
• <Pfad_zur_Konfigdatei>: Pfad zu config.json.
• <Pfad_zur_benutzerdefinierten_Vokabeldatei>: Pfad zu vocab.json.
• [Weitere Parameter]: Verwenden Sie den Parameter --help wie folgt: python app.py --help

Für eine ausführliche Anleitung mit einer Liste aller zu verwendenden Parameter

• Linux/MacOS:

./ebook2audiobook.sh --help

• Windows

.\ebook2audiobook.cmd --help

• Dies gibt Folgendes aus:

usage: app.py [-h] [--script_mode SCRIPT_MODE] [--share] [--headless [HEADLESS]]
[--session SESSION] [--ebook EBOOK] [--ebooks_dir [EBOOKS_DIR]]
[--voice VOICE] [--language LANGUAGE] [--device {cpu,gpu}]
[--custom_model CUSTOM_MODEL] [--temperature TEMPERATURE]
[--length_penalty LENGTH_PENALTY]
[--repetition_penalty REPETITION_PENALTY] [--top_k TOP_K] [--top_p TOP_P]
[--speed SPEED] [--enable_text_splitting] [--fine_tuned FINE_TUNED]
[--version]

Konvertieren Sie eBooks in Hörbücher mithilfe eines Text-to-Speech-Modells. Sie können entweder die Gradio-Schnittstelle starten oder das Skript im Headless-Modus für eine direkte Konvertierung ausführen.

Optionen:
-h, --help zeigt diese Hilfemeldung an und beendet
--script_mode SCRIPT_MODE
Erzwingt die Ausführung des Skripts in NATIVE oder DOCKER_UTILS
--share Aktiviert einen öffentlichen, gemeinsam nutzbaren Gradio-Link. Standardmäßig auf „False“ eingestellt.
--headless [HEADLESS]
Im Headless-Modus ausführen. Standardmäßig True, wenn das Flag ohne Wert vorhanden ist, andernfalls False.
--session SESSION Sitzung zur Wiederherstellung der Verbindung im Falle einer Unterbrechung (nur Headless-Modus)
--ebook EBOOK Pfad zur E-Book-Datei für die Konvertierung. Erforderlich im Headless-Modus.
--ebooks_dir [EBOOKS_DIR]
Pfad zum Verzeichnis mit den E-Books für die Stapelkonvertierung. Standardmäßig „ebooks“, wenn „default“ angegeben ist.
--voice VOICE Pfad zur Zielsprachdatei für TTS. Optional, muss 24 kHz für XTTS und 16 kHz für Fairseq-Modelle sein, verwendet eine Standardstimme, wenn nicht angegeben.
--language LANGUAGE Sprache für die Hörbuchkonvertierung. Optionen: eng, zho, spa, fra, por, rus, ind, hin, ben, yor, ara, jav, jpn, kor, deu, ita, fas, tam, tel, tur, pol, hun, nld, zzzz, abi, ace, aca, acn, acr, ach, acu, guq, ade, adj, agd, agx, agn, aha, aka, knj, ake, aeu, ahk, bss, alj, sqi, alt, alp, alz, kab, amk, mmg, amh, ami, azg, agg, boj, cko, any, arl, atq, luc, hyw, apr, aia, msy, cni, cjo, cpu, cpb, asm, asa, teo, ati, djk, ava, avn, avu, awb, kwi, awa, agr, agu, ayr, ayo, abp, blx, sgb, azj-script_cyrillic, azj-script_latin, azb, bba, bhz, bvc, bfy, bgq, bdq, bdh, bqi, bjw, blz, ban, bcc-script_latin, bcc-script_arabic, bam, ptu, bcw, bqj, bno, bbb, bfa, bjz, bak, eus, bsq, akb, btd, btx, bts, bbc, bvz, bjv, bep, bkv, bzj, bem, bng, bom, btt, bha, bgw, bht, beh, sne, ubl, bcl, bim, bkd, bjr, bfo, biv, bib, bis, bzi, bqp, bpr, bps, bwq, bdv, bqc, bus, bnp, bmq, bdg, boa, ksr, bor, bru, box, bzh, bgt, sab, bul, bwu, bmv, mya, tte, cjp, cbv, kaq, cot, cbc, car, cat, ceb, cme, cbi, ceg, cly, cya, che, hne, nya, dig, dug, bgr, cek, cfm, cnh, hlt, mwq, ctd, tcz, zyp, cco, cnl, cle, chz, cpa, cso, cnt, cuc, hak, nan, xnj, cap, cax, ctg, ctu, chf, cce, crt, crq, cac-dialect_sansebastiáncoatán, cac-dialect_sanmateoixtatán, ckt, ncu, cdj, chv, caa, asg, con, crn, cok, crk-script_latin, crk-script_syllabics, crh, hrv, cui, ces, dan, dsh, dbq, dga, dgi, dgk, dnj-dialect_gweetaawueast, dnj-dialect_blowowest, daa, dnt, dnw, dar, tcc, dwr, ded, mzw, ntr, ddn, des, dso, nfa, dhi, gud, did, mhu, dip, dik, tbz, dts, dos, dgo, mvp, jen, dzo, idd, eka, cto, emp, enx, sja, myv, mcq, ese, evn, eza, ewe, fal, fao, far, fij, fin, fon, frd, ful, flr, gau, gbk, gag-script_cyrillic, gag-script_latin, gbi, gmv, lug, pwg, gbm, cab, grt, krs, gso, nlg, gej, gri, kik, acd, glk, gof-script_latin, gog, gkn, wsg, gjn, gqr, gor, gux, gbo, ell, grc, guh, gub, grn, gyr, guo, gde, guj, gvl, guk, rub, dah, gwr, gwi, hat, hlb, amf, hag, hnn, bgc, had, hau, hwc, hvn, hay, xed, heb, heh, hil, hif, hns, hoc, hoy, hus-dialect_westernpotosino, hus-dialect_centralveracruz, huv, hui, hap, iba, isl, dbj, ifa, ifb, ifu, ifk, ife, ign, ikk, iqw, ilb, ilo, imo, inb, ipi, irk, icr, itv, itl, atg, ixl-dialect_sanjuancotzal, ixl-dialect_sangasparchajul, ixl-dialect_santamarianebaj, nca, izr, izz, jac, jam, jvn, kac, dyo, csk, adh, jun, jbu, dyu, bex, juy, gna, urb, kbp, cwa, dtp, kbr, cgc, kki, kzf, lew, cbr, kkj, keo, kqe, kak, kyb, knb, kmd, kml, ify, xal, kbq, kay, ktb, hig, gam, cbu, xnr, kmu, kne, kan, kby, pam, cak-dialect_santamaríadejesús, cak-dialect_southcentral, cak-dialect_yepocapa, cak-dialect_western, cak-dialect_santodomingoxenacoj, cak-dialect_central, xrb, krc, kaa, krl, pww, xsm, cbs, pss, kxf, kyz, kyu, txu, kaz, ndp, kbo, kyq, ken, ker, xte, kyg, kjh, kca, khm, kxm, kjg, nyf, kij, kia, kqr, kqp, krj, zga, kin, pkb, geb, gil, kje, kss, thk, klu, kyo, kog, kfb, kpv, bbo, xon, kma, kno, kxc, ozm, kqy, coe, kpq, kpy, kyf, kff-script_telugu, kri, rop, ktj, ted, krr, kdt, kez, cul, kle, kdi, kue, kum, kvn, cuk, kdn, xuo, key, kpz, knk, kmr-script_latin, kmr-script_arabic, kmr-script_cyrillic, xua, kru, kus, kub, kdc, kxv, blh, cwt, kwd, tnk, kwf, cwe, kyc, tye, kir, quc-dialect_north, quc-dialect_east, quc-dialect_central, lac, lsi, lbj, lhu, las, lam, lns, ljp, laj, lao, lat, lav, law, lcp, lzz, lln, lef, acf, lww, mhx, eip, lia, lif, onb, lis, loq, lob, yaz, lok, llg, ycl, lom, ngl, lon, lex, lgg, ruf, dop, lnd, ndy, lwo, lee, mev, mfz, jmc, myy, mbc, mda, mad, mag, ayz, mai, mca, mcp, mak, vmw, mgh, kde, mlg, zlm, pse, mkn, xmm, mal, xdy, div, mdy, mup, mam-dialect_central, mam-dialect_northern, mam-dialect_southern, mam-dialect_western, mqj, mcu, mzk, maw, mjl, mnk, mge, mbh, knf, mjv, mbt, obo, mbb, mzj, sjm, mrw, mar, mpg, mhr, enb, mah, myx, klv, mfh, met, mcb, mop, yua, mfy, maz, vmy, maq, mzi, maj, maa-dialect_sanantonio, maa-dialect_sanjerónimo, mhy, mhi, zmz, myb, gai, mqb, mbu, med, men, mee, mwv, meq, zim, mgo, mej, mpp, min, gum, mpx, mco, mxq, pxm, mto, mim, xta, mbz, mip, mib, miy, mih, miz, xtd, mxt, xtm, mxv, xtn, mie, mil, mio, mdv, mza, mit, mxb, mpm, soy, cmo-script_latin, cmo-script_khmer, mfq, old, mfk, mif, mkl, mox, myl, mqf, mnw, mon, mog, mfe, mor, mqn, mgd, mtj, cmr, mtd, bmr, moz, mzm, mnb, mnf, unr, fmu, mur, tih, muv, muy, sur, moa, wmw, tnr, miq, mos, muh, nas, mbj, nfr, kfw, nst, nag, nch, nhe, ngu, azz, nhx, ncl, nhy, ncj, nsu, npl, nuz, nhw, nhi, nlc, nab, gld, nnb, npy, pbb, ntm, nmz, naw, nxq, ndj, ndz, ndv, new, nij, sba, gng, nga, nnq, ngp, gym, kdj, nia, nim, nin, nko, nog, lem, not, nhu, nob, bud, nus, yas, nnw, nwb, nyy, nyn, rim, lid, nuj, nyo, nzi, ann, ory, ojb-script_latin, ojb-script_syllabics, oku, bsc, bdu, orm, ury, oss, ote, otq, stn, sig, kfx, bfz, sey, pao, pau, pce, plw, pmf, pag, pap, prf, pab, pbi, pbc, pad, ata, pez, peg, pcm, pis, pny, pir, pjt, poy, pps, pls, poi, poh-dialect_eastern, poh-dialect_western, prt, pui, pan, tsz, suv, lme, quy, qvc, quz, qve, qub, qvh, qwh, qvw, quf, qvm, qul, qvn, qxn, qxh, qvs, quh, qxo, qxr, qvo, qvz, qxl, quw, kjb, kek, rah, rjs, rai, lje, rnl, rkt, rap, yea, raw, rej, rel, ril, iri, rgu, rhg, rmc-script_latin, rmc-script_cyrillic, rmo, rmy-script_latin, rmy-script_cyrillic, ron, rol, cla, rng, rug, run, lsm, spy, sck, saj, sch, sml, xsb, sbl, saq, sbd, smo, rav, sxn, sag, sbp, xsu, srm, sas, apb, sgw, tvw, lip, slu, snw, sea, sza, seh, crs, ksb, shn, sho, mcd, cbt, xsr, shk, shp, sna, cjs, jiv, snp, sya, sid, snn, sri, srx, sil, sld, akp, xog, som, bmu, khq, ses, mnx, srn, sxb, suc, tgo, suk, sun, suz, sgj, sus, swh, swe, syl, dyi, myk, spp, tap, tby, tna, shi, klw, tgl, tbk, tgj, blt, tbg, omw, tgk, tdj, tbc, tlj, tly, ttq-script_tifinagh, taj, taq, tpm, tgp, tnn, tac, rif-script_latin, rif-script_arabic, tat, tav, twb, tbl, kps, twe, ttc, kdh, tes, tex, tee, tpp, tpt, stp, tfr, twu, ter, tew, tha, nod, thl, tem, adx, bod, khg, tca, tir, txq, tik, dgr, tob, tmf, tng, tlb, ood, tpi, jic, lbw, txa, tom, toh, tnt, sda, tcs, toc, tos, neb, trn, trs, trc, tri, cof, tkr, kdl, cas, tso, tuo, iou, tmc, tuf, tuk-script_latin, tuk-script_arabic, bov, tue, kcg, tzh-dialect_bachajón, tzh-dialect_tenejapa, tzo-dialect_chenalhó, tzo-dialect_chamula, tzj-dialect_western, tzj-dialect_eastern, aoz, udm, udu, ukr, ppk, ubu, urk, ura, urt, urd-script_devanagari, urd-script_arabic, urd-script_latin, upv, usp, uig-script_arabic, uig-script_cyrillic, uzb-script_cyrillic, vag, bav, vid, vie, vif, vun, vut, prk, wwa, rro, bao, waw, lgl, wlx, cou, hub, gvc, mfi, wap, wba, war, way, guc, cym, kvw, tnp, hto, huu, wal-script_latin, wal-script_ethiopic, wlo, noa, wob, kao, xer, yad, yka, sah, yba, yli, nlk, yal, yam, yat, jmd, tao, yaa, ame, guu, yao, yre, yva, ybb, pib, byr, pil, ycn, ess, yuz, atb, zne, zaq, zpo, zad, zpc, zca, zpg, zai, zpl, zam, zaw, zpm, zac, zao, ztq, zar, zpt, zpi, zas, zaa, zpz, zab, zpu, zae, zty, zav, zza, zyb, ziw, zos, gnd.  Standardmäßig Englisch (eng).
--device {cpu,gpu} Typ der Prozessoreinheit für die Hörbuchkonvertierung. Wenn nicht angegeben: Überprüft zuerst, ob GPU verfügbar ist, wenn nicht, wird CPU ausgewählt.
--custom_model CUSTOM_MODEL
Pfad zum benutzerdefinierten Modell (.zip-Datei mit ['config.json', 'vocab.json', 'model.pth', 'ref.wav']). Erforderlich bei Verwendung eines benutzerdefinierten Modells.
--temperature TEMPERATURE
Temperatur für das Modell. Standardmäßig 0,65. Höhere Temperaturen führen zu kreativeren Ergebnissen.
--length_penalty LENGTH_PENALTY
Eine Längenstrafe, die auf den autoregressiven Decoder angewendet wird. Standardmäßig 1,0. Wird nicht auf benutzerdefinierte Modelle angewendet.
--repetition_penalty REPETITION_PENALTY
Eine Strafe, die verhindert, dass sich der autoregressive Decoder wiederholt. Standardmäßig 2,5
--top_k TOP_K Top-k-Sampling. Niedrigere Werte bedeuten wahrscheinlichere Ausgaben und eine höhere Geschwindigkeit der Audiogenerierung. Standardmäßig 50
--top_p TOP_P Top-p-Sampling. Niedrigere Werte bedeuten wahrscheinlichere Ausgaben und eine höhere Geschwindigkeit der Audiogenerierung. Standardmäßig 0,8
--speed SPEED Geschwindigkeitsfaktor für die Sprachgenerierung. Standardmäßig 1,0
--enable_text_splitting
Aktiviert das Aufteilen von Text in Sätze. Standardmäßig False.
--fine_tuned FINE_TUNED
Name des fein abgestimmten Modells. Optional, verwendet das Standardmodell entsprechend der TTS-Engine und Sprache.
--version Zeigt die Version des Skripts an und beendet das Programm.

Beispielverwendung:
Windows:
    headless:
    ebook2audiobook.cmd --headless --ebook 'path_to_ebook'
    Grafische Schnittstelle:
    ebook2audiobook.cmd
Linux/Mac:
    headless:
    ./ebook2audiobook.sh --headless --ebook 'path_to_ebook'
    Grafische Schnittstelle:
    ./ebook2audiobook.sh

Benutzung mit Docker

Sie können Docker auch verwenden, um den eBook-zu-Hörbuch-Konverter auszuführen. Diese Methode gewährleistet Konsistenz in verschiedenen Umgebungen und vereinfacht die Einrichtung.

Ausführen des Docker-Containers

Um den Docker-Container auszuführen und die Gradio-Weboberfläche zu starten, verwenden Sie den folgenden Befehl:

-Nur mit CPU ausführen

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

-Mit GPU-Beschleunigung ausführen (nur Nvida-Grafikkarten)

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

Dieser Befehl startet die Gradio-Schnittstelle auf Port 7860.(localhost:7860)

• Für weitere Optionen, wie das Ausführen des Dockers im Konsolen-Modus oder das Aktivieren eines öffentlichen Gradio Links: Fügen Sie den Parameter „--help“ nach „app.py“ im Docker-Startbefehl hinzu.

Beispiel für die Verwendung von Docker im Konsolen-Modus oder für die Änderung von irgendetwas mit den zusätzlichen Parametern + Vollständige Anleitung

Beispiel für die Verwendung von Docker im Konsolen-Modus

Für zuerst einen Docker-Pull durch um die neuesten Version zu erhalten.

docker pull athomasson2/ebook2audiobook:huggingface

• Bevor Sie dies ausführen, müssen Sie in Ihrem aktuellen Verzeichnis ein Verzeichnis mit dem Namen „input-folder“ erstellen, das verknüpft wird. Hier können Sie Ihre Eingabedateien ablegen, damit das Docker-Image sie sehen kann

mkdir input-folder && mkdir Audiobooks

• Ersetzen Sie im folgenden Befehl YOUR_INPUT_FILE.TXT durch den Namen Ihrer Eingabedatei

docker run -it --rm \
-v $(pwd)/input-folder:/home/user/app/input_folder \
-v $(pwd)/Audiobooks:/home/user/app/Audiobooks \
--platform linux/amd64 \
athomasson2/ebook2audiobook:huggingface \
python app.py --headless --ebook /input_folder/IHRE_EINGABEDATEI.TXT

• Und das sollte es sein!

• Die ausgegebenen Hörbücher befinden sich im Ordner „Hörbücher“, der sich ebenfalls in Ihrem lokalen Verzeichnis befindet, in dem Sie diesen Docker-Befehl ausgeführt haben

Um den Hilfebefehl für die anderen Parameter dieses Programms zu erhalten, können Sie Folgendes ausführen:

docker run -it --rm \
--platform linux/amd64 \
athomasson2/ebook2audiobook:huggingface \
python app.py --help

und das gibt Folgendes aus:

user/app/ebook2audiobook/input-folder -v $(pwd)/Audiobooks:/home/user/app/ebook2audiobook/Audiobooks --memory="4g" --network none --platform linux/amd64 athomasson2/ebook2audiobook:huggingface python app.py -h
usage: app.py [-h] [--script_mode SCRIPT_MODE] [--share] [--headless [HEADLESS]]
              [--session SESSION] [--ebook EBOOK] [--ebooks_dir [EBOOKS_DIR]]
              [--voice VOICE] [--language LANGUAGE] [--device {cpu,gpu}]
              [--custom_model CUSTOM_MODEL] [--temperature TEMPERATURE]
              [--length_penalty LENGTH_PENALTY]
              [--repetition_penalty REPETITION_PENALTY] [--top_k TOP_K] [--top_p TOP_P]
              [--speed SPEED] [--enable_text_splitting] [--fine_tuned FINE_TUNED]
              [--version]

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
  --script_mode SCRIPT_MODE
                        Force the script to run in NATIVE or DOCKER_UTILS
  --share               Enable a public shareable Gradio link. Default to False.
  --headless [HEADLESS]
                        Run in headless mode. Default to True if the flag is present without a value, False otherwise.
  --session SESSION     Session to reconnect in case of interruption (headless mode only)
  --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. Default to "ebooks" if "default" is provided.
  --voice VOICE         Path to the target voice file for TTS. Optional, must be 24khz for XTTS and 16khz for fairseq models, uses a default voice if not provided.
  --language LANGUAGE   Language for the audiobook conversion. Options: eng, zho, spa, fra, por, rus, ind, hin, ben, yor, ara, jav, jpn, kor, deu, ita, fas, tam, tel, tur, pol, hun, nld, zzzz, abi, ace, aca, acn, acr, ach, acu, guq, ade, adj, agd, agx, agn, aha, aka, knj, ake, aeu, ahk, bss, alj, sqi, alt, alp, alz, kab, amk, mmg, amh, ami, azg, agg, boj, cko, any, arl, atq, luc, hyw, apr, aia, msy, cni, cjo, cpu, cpb, asm, asa, teo, ati, djk, ava, avn, avu, awb, kwi, awa, agr, agu, ayr, ayo, abp, blx, sgb, azj-script_cyrillic, azj-script_latin, azb, bba, bhz, bvc, bfy, bgq, bdq, bdh, bqi, bjw, blz, ban, bcc-script_latin, bcc-script_arabic, bam, ptu, bcw, bqj, bno, bbb, bfa, bjz, bak, eus, bsq, akb, btd, btx, bts, bbc, bvz, bjv, bep, bkv, bzj, bem, bng, bom, btt, bha, bgw, bht, beh, sne, ubl, bcl, bim, bkd, bjr, bfo, biv, bib, bis, bzi, bqp, bpr, bps, bwq, bdv, bqc, bus, bnp, bmq, bdg, boa, ksr, bor, bru, box, bzh, bgt, sab, bul, bwu, bmv, mya, tte, cjp, cbv, kaq, cot, cbc, car, cat, ceb, cme, cbi, ceg, cly, cya, che, hne, nya, dig, dug, bgr, cek, cfm, cnh, hlt, mwq, ctd, tcz, zyp, cco, cnl, cle, chz, cpa, cso, cnt, cuc, hak, nan, xnj, cap, cax, ctg, ctu, chf, cce, crt, crq, cac-dialect_sansebastiáncoatán, cac-dialect_sanmateoixtatán, ckt, ncu, cdj, chv, caa, asg, con, crn, cok, crk-script_latin, crk-script_syllabics, crh, hrv, cui, ces, dan, dsh, dbq, dga, dgi, dgk, dnj-dialect_gweetaawueast, dnj-dialect_blowowest, daa, dnt, dnw, dar, tcc, dwr, ded, mzw, ntr, ddn, des, dso, nfa, dhi, gud, did, mhu, dip, dik, tbz, dts, dos, dgo, mvp, jen, dzo, idd, eka, cto, emp, enx, sja, myv, mcq, ese, evn, eza, ewe, fal, fao, far, fij, fin, fon, frd, ful, flr, gau, gbk, gag-script_cyrillic, gag-script_latin, gbi, gmv, lug, pwg, gbm, cab, grt, krs, gso, nlg, gej, gri, kik, acd, glk, gof-script_latin, gog, gkn, wsg, gjn, gqr, gor, gux, gbo, ell, grc, guh, gub, grn, gyr, guo, gde, guj, gvl, guk, rub, dah, gwr, gwi, hat, hlb, amf, hag, hnn, bgc, had, hau, hwc, hvn, hay, xed, heb, heh, hil, hif, hns, hoc, hoy, hus-dialect_westernpotosino, hus-dialect_centralveracruz, huv, hui, hap, iba, isl, dbj, ifa, ifb, ifu, ifk, ife, ign, ikk, iqw, ilb, ilo, imo, inb, ipi, irk, icr, itv, itl, atg, ixl-dialect_sanjuancotzal, ixl-dialect_sangasparchajul, ixl-dialect_santamarianebaj, nca, izr, izz, jac, jam, jvn, kac, dyo, csk, adh, jun, jbu, dyu, bex, juy, gna, urb, kbp, cwa, dtp, kbr, cgc, kki, kzf, lew, cbr, kkj, keo, kqe, kak, kyb, knb, kmd, kml, ify, xal, kbq, kay, ktb, hig, gam, cbu, xnr, kmu, kne, kan, kby, pam, cak-dialect_santamaríadejesús, cak-dialect_southcentral, cak-dialect_yepocapa, cak-dialect_western, cak-dialect_santodomingoxenacoj, cak-dialect_central, xrb, krc, kaa, krl, pww, xsm, cbs, pss, kxf, kyz, kyu, txu, kaz, ndp, kbo, kyq, ken, ker, xte, kyg, kjh, kca, khm, kxm, kjg, nyf, kij, kia, kqr, kqp, krj, zga, kin, pkb, geb, gil, kje, kss, thk, klu, kyo, kog, kfb, kpv, bbo, xon, kma, kno, kxc, ozm, kqy, coe, kpq, kpy, kyf, kff-script_telugu, kri, rop, ktj, ted, krr, kdt, kez, cul, kle, kdi, kue, kum, kvn, cuk, kdn, xuo, key, kpz, knk, kmr-script_latin, kmr-script_arabic, kmr-script_cyrillic, xua, kru, kus, kub, kdc, kxv, blh, cwt, kwd, tnk, kwf, cwe, kyc, tye, kir, quc-dialect_north, quc-dialect_east, quc-dialect_central, lac, lsi, lbj, lhu, las, lam, lns, ljp, laj, lao, lat, lav, law, lcp, lzz, lln, lef, acf, lww, mhx, eip, lia, lif, onb, lis, loq, lob, yaz, lok, llg, ycl, lom, ngl, lon, lex, lgg, ruf, dop, lnd, ndy, lwo, lee, mev, mfz, jmc, myy, mbc, mda, mad, mag, ayz, mai, mca, mcp, mak, vmw, mgh, kde, mlg, zlm, pse, mkn, xmm, mal, xdy, div, mdy, mup, mam-dialect_central, mam-dialect_northern, mam-dialect_southern, mam-dialect_western, mqj, mcu, mzk, maw, mjl, mnk, mge, mbh, knf, mjv, mbt, obo, mbb, mzj, sjm, mrw, mar, mpg, mhr, enb, mah, myx, klv, mfh, met, mcb, mop, yua, mfy, maz, vmy, maq, mzi, maj, maa-dialect_sanantonio, maa-dialect_sanjerónimo, mhy, mhi, zmz, myb, gai, mqb, mbu, med, men, mee, mwv, meq, zim, mgo, mej, mpp, min, gum, mpx, mco, mxq, pxm, mto, mim, xta, mbz, mip, mib, miy, mih, miz, xtd, mxt, xtm, mxv, xtn, mie, mil, mio, mdv, mza, mit, mxb, mpm, soy, cmo-script_latin, cmo-script_khmer, mfq, old, mfk, mif, mkl, mox, myl, mqf, mnw, mon, mog, mfe, mor, mqn, mgd, mtj, cmr, mtd, bmr, moz, mzm, mnb, mnf, unr, fmu, mur, tih, muv, muy, sur, moa, wmw, tnr, miq, mos, muh, nas, mbj, nfr, kfw, nst, nag, nch, nhe, ngu, azz, nhx, ncl, nhy, ncj, nsu, npl, nuz, nhw, nhi, nlc, nab, gld, nnb, npy, pbb, ntm, nmz, naw, nxq, ndj, ndz, ndv, new, nij, sba, gng, nga, nnq, ngp, gym, kdj, nia, nim, nin, nko, nog, lem, not, nhu, nob, bud, nus, yas, nnw, nwb, nyy, nyn, rim, lid, nuj, nyo, nzi, ann, ory, ojb-script_latin, ojb-script_syllabics, oku, bsc, bdu, orm, ury, oss, ote, otq, stn, sig, kfx, bfz, sey, pao, pau, pce, plw, pmf, pag, pap, prf, pab, pbi, pbc, pad, ata, pez, peg, pcm, pis, pny, pir, pjt, poy, pps, pls, poi, poh-dialect_eastern, poh-dialect_western, prt, pui, pan, tsz, suv, lme, quy, qvc, quz, qve, qub, qvh, qwh, qvw, quf, qvm, qul, qvn, qxn, qxh, qvs, quh, qxo, qxr, qvo, qvz, qxl, quw, kjb, kek, rah, rjs, rai, lje, rnl, rkt, rap, yea, raw, rej, rel, ril, iri, rgu, rhg, rmc-script_latin, rmc-script_cyrillic, rmo, rmy-script_latin, rmy-script_cyrillic, ron, rol, cla, rng, rug, run, lsm, spy, sck, saj, sch, sml, xsb, sbl, saq, sbd, smo, rav, sxn, sag, sbp, xsu, srm, sas, apb, sgw, tvw, lip, slu, snw, sea, sza, seh, crs, ksb, shn, sho, mcd, cbt, xsr, shk, shp, sna, cjs, jiv, snp, sya, sid, snn, sri, srx, sil, sld, akp, xog, som, bmu, khq, ses, mnx, srn, sxb, suc, tgo, suk, sun, suz, sgj, sus, swh, swe, syl, dyi, myk, spp, tap, tby, tna, shi, klw, tgl, tbk, tgj, blt, tbg, omw, tgk, tdj, tbc, tlj, tly, ttq-script_tifinagh, taj, taq, tpm, tgp, tnn, tac, rif-script_latin, rif-script_arabic, tat, tav, twb, tbl, kps, twe, ttc, kdh, tes, tex, tee, tpp, tpt, stp, tfr, twu, ter, tew, tha, nod, thl, tem, adx, bod, khg, tca, tir, txq, tik, dgr, tob, tmf, tng, tlb, ood, tpi, jic, lbw, txa, tom, toh, tnt, sda, tcs, toc, tos, neb, trn, trs, trc, tri, cof, tkr, kdl, cas, tso, tuo, iou, tmc, tuf, tuk-script_latin, tuk-script_arabic, bov, tue, kcg, tzh-dialect_bachajón, tzh-dialect_tenejapa, tzo-dialect_chenalhó, tzo-dialect_chamula, tzj-dialect_western, tzj-dialect_eastern, aoz, udm, udu, ukr, ppk, ubu, urk, ura, urt, urd-script_devanagari, urd-script_arabic, urd-script_latin, upv, usp, uig-script_arabic, uig-script_cyrillic, uzb-script_cyrillic, vag, bav, vid, vie, vif, vun, vut, prk, wwa, rro, bao, waw, lgl, wlx, cou, hub, gvc, mfi, wap, wba, war, way, guc, cym, kvw, tnp, hto, huu, wal-script_latin, wal-script_ethiopic, wlo, noa, wob, kao, xer, yad, yka, sah, yba, yli, nlk, yal, yam, yat, jmd, tao, yaa, ame, guu, yao, yre, yva, ybb, pib, byr, pil, ycn, ess, yuz, atb, zne, zaq, zpo, zad, zpc, zca, zpg, zai, zpl, zam, zaw, zpm, zac, zao, ztq, zar, zpt, zpi, zas, zaa, zpz, zab, zpu, zae, zty, zav, zza, zyb, ziw, zos, gnd. Default to English (eng).
  --device {cpu,gpu}    Type of processor unit for the audiobook conversion. If not specified: check first if gpu available, if not cpu is selected.
  --custom_model CUSTOM_MODEL
                        Path to the custom model (.zip file containing ['config.json', 'vocab.json', 'model.pth', 'ref.wav']). Required if using a custom model.
  --temperature TEMPERATURE
                        Temperature for the model. Default to 0.65. Higher temperatures lead to more creative outputs.
  --length_penalty LENGTH_PENALTY
                        A length penalty applied to the autoregressive decoder. Default to 1.0. Not applied to custom models.
  --repetition_penalty REPETITION_PENALTY
                        A penalty that prevents the autoregressive decoder from repeating itself. Default to 2.5
  --top_k TOP_K         Top-k sampling. Lower values mean more likely outputs and increased audio generation speed. Default to 50
  --top_p TOP_P         Top-p sampling. Lower values mean more likely outputs and increased audio generation speed. Default to 0.8
  --speed SPEED         Speed factor for the speech generation. Default to 1.0
  --enable_text_splitting
                        Enable splitting text into sentences. Default to False.
  --fine_tuned FINE_TUNED
                        Name of the fine tuned model. Optional, uses the standard model according to the TTS engine and language.
  --version             Show the version of the script and exit

Example usage:    
Windows:
    headless:
    ebook2audiobook.cmd --headless --ebook 'path_to_ebook'
    Graphic Interface:
    ebook2audiobook.cmd
Linux/Mac:
    headless:
    ./ebook2audiobook.sh --headless --ebook 'path_to_ebook'
    Graphic Interface:
    ./ebook2audiobook.sh

Neue v2.0 Docker Weboberfäche!

Klicken Sie, um Bilder der Weboberfläche anzuzeigen.

Sammlung von Fine-Tuned TTS Modellen

Um unsere Sammlung bereits fein abgestimmter TTS-Modelle zu finden, besuchen Sie diesen Hugging Face-Link Für ein benutzerdefiniertes XTTS-Modell wird außerdem ein Referenz-Audioclip der Stimme benötigt:

Vorgefertigte Audio-Beispiele

Rainy day Stimme

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

David Attenborough Stimme

https://github.com/user-attachments/assets/47c846a7-9e51-4eb9-844a-7460402a20a8

Unterstützte eBook Formate

• .epub, .pdf, .mobi, .txt, .html, .rtf, .chm, .lit, .pdb, .fb2, .odt, .cbr, .cbz, .prc, .lrf, .pml, .snb, .cbc, .rb, .tcr
• Beste Ergebnisse: .epub oder .mobi für automatische Kapitelerkennung

Ausgabe

• Erstellt eine .m4b-Datei mit Metadaten und Kapiteln.
• Beispielausgabe:

Häufige Probleme:

• „Es ist langsam!“ – Nur auf der CPU ist dies sehr langsam, und Sie können nur durch eine NVIDIA-GPU eine Beschleunigung erreichen. Diskussion darüber Für eine schnellere Generierung mehrerer Sprachen würde ich stattdessen mein anderes Projekt vorschlagen, das Piper-TTS verwendet (Es hat allerdings kein Zero-Shot-Voice-Cloning und hat Stimmen in Siri-Qualität, ist aber viel schneller auf der CPU.)
• „Ich habe Abhängigkeitsprobleme“ – Verwenden Sie einfach den Docker, er ist vollständig eigenständig und hat einen Headless-Modus. Fügen Sie für weitere Informationen den Parameter „-h“ nach „app.py“ im Docker-Run-Befehl hinzu.
• „Ich habe ein Problem mit abgeschnittenem Audio!“ - BITTE MACHEN SIE EIN ISSURE DARAUS, ich spreche nicht jede Sprache und brauche den Rat von jeder Person, um meine Satztrennungsfunktion in anderen Sprachen zu optimieren.😊

Wobei ich Hilfe brauche! 🙌

Die vollständige Liste der Dinge finden Sie hier

• Jede Hilfe von Leuten, die eine der unterstützten Sprachen sprechen, um bei der richtigen Satztrennung zu helfen
• Eventuell Erstellung von Readme-Anleitungen für mehrere Sprachen (weil die einzige Sprache, die ich kenne, Englisch ist 😔)

Besonderer Dank

• Coqui TTS: Coqui TTS GitHub

• Calibre: Calibre-Website

• FFmpeg: FFmpeg-Website

• @shakenbake15 für eine bessere Methode zum Speichern von Kapiteln

Legacy V1.0

Sie können den Code hier ansehen.

Trete unserem Discord Server bei