自动爬取小说并生成多角色有声书的工具

综合介绍

Auto-Audio-Book 是一个开源项目，托管在 GitHub 上。它能自动从网站爬取小说内容，并将其转换为带有多角色配音的有声书。开发者 zqq-nuli 使用 Python 3.10+ 编写，结合大模型（如 Gemini 和 CosyVoice2-0.5B）实现文本处理和语音合成。项目不仅支持基本的文本转音频，还能区分小说中的角色并分配不同声音，生成类似广播剧的效果。代码公开，用户可自由下载、修改。截至 2025 年 3 月 24 日，项目仍在开发中，GUI 未完全完善，但已能通过命令行完成全流程，适合技术爱好者和有声书制作者。

功能列表

• 小说爬取：从指定网站自动下载小说章节内容。
• 对话信息生成：利用 AI 分析文本，区分角色和对话。
• 多角色配音：为小说角色分配不同声音，支持主角、旁白和随机配音。
• 音频生成：将文本转为 MP3 格式的有声书，支持多线程加速。
• 管理工具：提供 GUI 辅助管理小说数据和音频文件。
• 开源可扩展：用户可修改代码，添加新功能或优化效果。

使用帮助

Auto-Audio-Book 需要一定的技术基础才能安装和使用。以下是详细的安装和操作指南，帮助你从零开始生成有声书。

安装流程

1. 环境准备
   • 安装 Python 3.10 或更高版本，从 https://www.python.org/downloads/ 下载。
   • 安装 ffmpeg，用于音频处理。Windows 可从 https://ffmpeg.org/download.html 下载，Mac 用 brew install ffmpeg，Linux 用 sudo apt install ffmpeg。
   • （可选）安装 MongoDB，用于 GUI 管理小说数据，下载地址：https://www.mongodb.com/try/download/community。
   • 检查环境：在命令行输入 python --version 和 ffmpeg -version，确保版本显示正常。
2. 下载代码
   • 用 Git 克隆项目到本地：

     git clone https://github.com/zqq-nuli/auto-audio-book.git
     

   • 进入项目目录：

     cd auto-audio-book
     

3. 创建虚拟环境
   • 使用 uv 创建虚拟环境（需先安装 uv，用 pip install uv）：

     uv venv --python 3.10
     

   • 激活环境：
     • Windows：.\.venv\Scripts\activate
     • Mac/Linux：source .venv/bin/activate
4. 安装依赖
   • 在虚拟环境中安装所需库：

     uv add -r requirements.txt
     

   • 如果缺少 requirements.txt，可手动安装核心库：

     pip install requests gTTS PyPDF2 pymongo
     

5. 配置 API Key
   • 复制 .env.example 文件为 .env：

     copy .env.example .env  # Windows
     cp .env.example .env    # Mac/Linux
     

   • 编辑 .env 文件，填入大模型 API Key，例如 Gemini 的密钥，可从对应平台申请。

使用步骤

1. 爬取小说
   • 选择小说网站（如 https://m.ilwxs.com/），项目默认支持无防护站点。
   • 运行爬取脚本：

     python app/getBookList.py
     

   • 然后获取章节列表并保存内容：

     python app/getZjList.py
     python app/saveBooks.py
     

2. 生成对话信息
   • 用 AI 处理章节，区分角色和对话：

     python app/saveBookJson.py
     

   • 输出结果保存为 JSON 文件，用于后续配音。
3. 配置角色声音
   • 运行脚本创建角色表：

     python app/createUser.py
     

   • 手动指定主角和旁白的声音（支持 CosyVoice2-0.5B 等模型）。其他角色可随机分配：
     • 超过 50 句台词的角色用独立声音。
     • 少于 50 句的用旁白声音。
4. 生成音频
   • 运行音频生成脚本：

     python app/createAudio.py
     

   • 支持多线程加速，例如开 20 线程：

     python app/createAudio.py --threads 20
     

   • 输出为 MP3 文件，存放在项目目录。
5. 管理音频（可选）
   • 用 GUI 工具排序音频：

     python gui/gui.py
     

   • 或批量删除喜马拉雅作品：

     python gui/gui2.py
     

操作注意

• 效率优化：一台电脑单线程一晚可处理 300 章。测试显示，5 台机器每台 20 线程，5 小时可生成 2000 章。
• 错误排查：若有漏章，检查网络或重新运行对应章节脚本。
• 模型限制：硅基模型对 IP 有限制，多机并行需抢占服务器。

示例流程

假设你要转换一本小说：

1. 爬取 https://m.ilwxs.com/ 的小说《某某》，保存章节。
2. 生成对话信息，识别主角 A 和旁白。
3. 配置 A 用中文男声，旁白用女声，其他随机。
4. 运行多线程生成，得到 chapter1.mp3 等文件。

完成后，可上传至喜马拉雅等平台，成品示例见 https://www.ximalaya.com/album/88023000。

应用场景

1. 有声书制作
   把网络小说转为多角色有声书，上传平台分享或盈利。
2. 学习实验
   技术爱好者用它学习爬虫、AI 和音频处理技术。
3. 个人娱乐
   将喜欢的小说转为音频，随时随地收听。

QA

1. 支持哪些大模型？
   当前支持 Gemini 和 CosyVoice2-0.5B，需自行申请 API Key。
2. 为什么有些章节没生成？
   可能是网络中断或爬取失败，检查日志后重跑对应章节。
3. 如何提高音频质量？
   默认模型效果有限，可替换为其他 TTS 引擎，需修改代码。