Инструмент для автоматического просмотра романов и создания многосимвольных аудиокниг

Общее введение

Auto-Audio-Book - это проект с открытым исходным кодом, размещенный на GitHub. Он автоматически собирает информацию о романах с веб-сайтов и преобразует ее в аудиокниги с несколькими голосами персонажей. Разработчик zqq-nuli, написанный на Python 3.10+, в сочетании с большими моделями (такими как Близнецы и CosyVoice2-0.5B) для реализации обработки текста и синтеза речи. Проект не только поддерживает базовую передачу текста в аудио, но и позволяет различать персонажей в романе и назначать разные голоса для создания эффектов, похожих на радиодрамы. Код открыт для публики, и пользователи могут свободно скачивать и изменять его. По состоянию на 24 марта 2025 года проект все еще находится в стадии разработки, графический интерфейс не доведен до конца, но весь процесс может быть завершен через командную строку, что подходит для энтузиастов технологий и производителей аудиокниг.

Список функций

• роман "Ползком: Автоматически загружает содержание глав романов с указанных веб-сайтов.
• Формирование диалоговых сообщений: Используйте искусственный интеллект для анализа текста и различения персонажей и диалогов.
• Многосимвольный голос за кадром: Назначьте разные голоса вымышленным персонажам, главному герою второго плана, диктору и случайному дубляжу.
• Поколение аудио: Преобразование текста в формат MP3 для аудиокниг с поддержкой многопоточного ускорения.
• Инструменты управления: Предоставляет графический интерфейс для управления данными романов и аудиофайлами.
• открытый исходный код и расширяемость: Пользователи могут изменять код, добавляя новые функции или оптимизируя эффекты.

Использование помощи

Для установки и использования Auto-Audio-Book требуется определенная техническая база. Ниже приведено подробное руководство по установке и эксплуатации, которое поможет вам создать аудиокнигу с нуля.

Процесс установки

1. Подготовка к защите окружающей среды
   • Установите Python 3.10 или более позднюю версию, загруженную с сайта https://www.python.org/downloads/.
   • монтаж ffmpegДля Windows загрузите с сайта https://ffmpeg.org/download.html, а для Mac используйте brew install ffmpegLinux с sudo apt install ffmpeg.
   • (Необязательно) Установите MongoDB для графического интерфейса управления данными романа, загрузите с сайта https://www.mongodb.com/try/download/community.
   • Чтобы проверить окружение: в командной строке введите python --version ответить пением ffmpeg -versionУбедитесь, что версия отображается правильно.
2. Код загрузки
   • Клонируйте проект локально с помощью Git:

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

   • Перейдите в каталог проектов:

     cd auto-audio-book
     

3. Создание виртуальной среды
   • пользоваться uv Создание виртуальной среды (требуется предварительная установка) uvиспользовать pip install uv):

     uv venv --python 3.10
     

   • Активируйте окружающую среду:
     • Окна:.\.venv\Scripts\activate
     • Mac/Linux:source .venv/bin/activate
4. Установка зависимостей
   • Установите необходимые библиотеки в виртуальной среде:

     uv add -r requirements.txt
     

   • Если не хватает requirements.txtБиблиотеку ядра можно установить вручную:

     pip install requests gTTS PyPDF2 pymongo
     

5. Настройка ключа API
   • сделать копию .env.example файл .env::

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

   • компилятор .env в файле введите ключ API Big Model, например, ключ для Gemini, который можно запросить у соответствующей платформы.

Этапы использования

1. проползти роман
   • Выберите фиктивный сайт (например, https://m.ilwxs.com/), по умолчанию проект поддерживает незащищенные сайты.
   • Запустите скрипт ползания:

     python app/getBookList.py
     

   • Затем получите список глав и сохраните содержимое:

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

2. Создание диалоговых сообщений
   • Обработайте главы с помощью искусственного интеллекта, чтобы различать персонажей и диалоги:

     python app/saveBookJson.py
     

   • Выходные данные сохраняются в виде файла JSON для последующего дублирования.
3. Настройка голосов персонажей
   • Запустите сценарий для создания таблицы ролей:

     python app/createUser.py
     

   • Вручную назначьте голоса для главного героя и рассказчика (поддерживаются такие модели, как CosyVoice2-0.5B). Остальные персонажи могут быть назначены случайным образом:
     • Индивидуальные голоса для персонажей с более чем 50 репликами.
     • Менее 50 предложений в голосе рассказчика.
4. Генерировать аудио
   • Запустите сценарий генерации звука:

     python app/createAudio.py
     

   • Поддерживает многопоточное ускорение, например, 20 потоков:

     python app/createAudio.py --threads 20
     

   • На выходе получается MP3-файл, который сохраняется в директории проекта.
5. Управление аудио (опционально)
   • Сортировка аудио с помощью инструментов графического интерфейса:

     python gui/gui.py
     

   • Или пакетное удаление записей о Гималаях:

     python gui/gui2.py
     

Примечание по обращению

• Оптимизация эффективности: Один компьютер может обрабатывать 300 глав за ночь на одном потоке. Тесты показывают, что 5 машин с 20 потоками на каждой могут сгенерировать 2000 глав за 5 часов.
• обнаружение ошибок: Если вы пропустили какую-то главу, проверьте сеть или повторно запустите сценарий соответствующей главы.
• Ограничения модели: Модель на основе кремния ограничена IP-адресами и требует перехвата серверов для обеспечения параллелизма на нескольких компьютерах.

Пример процесса

Предположим, вы переводите роман:

1. Перейдите по ссылке https://m.ilwxs.com/ на роман "Так и так" и сохраняйте главы.
2. Составьте диалог-сообщение, определив главного героя А и рассказчика.
3. Конфигурация A с мужским китайским голосом, рассказчик с женским голосом, остальные случайные.
4. Запустите многопоточную генерацию, чтобы получить chapter1.mp3 и т.д.

После завершения работы его можно загрузить на такие платформы, как Himalaya, а пример готового продукта можно посмотреть на сайте https://www.ximalaya.com/album/88023000.

сценарий применения

1. Производство аудиокниг
   Превращайте веб-романы в многосимвольные аудиокниги и загружайте их на платформы для совместного использования или получения прибыли.
2. обучающий эксперимент
   Энтузиасты-технари используют его для изучения технологий ползания, искусственного интеллекта и обработки звука.
3. Личные развлечения
   Превратите свои любимые романы в аудио и слушайте их в любое время и в любом месте.

QA

1. Какие большие модели поддерживаются?
   В настоящее время поддерживаются Gemini и CosyVoice2-0.5B, необходимо самостоятельно подать заявку на получение API-ключа.
2. Почему некоторые главы не создаются?
   Это может быть перебои в работе сети или сбой в работе ползунка, проверьте журналы и повторно запустите соответствующую главу.
3. Как улучшить качество звука?
   Модель по умолчанию имеет ограниченный эффект, ее можно заменить другим движком TTS, для этого необходимо изменить код.