تبدیل PDF به کتاب صوتی، با ریتم طبیعی و کاملاً آفلاین

این ابزار چه می‌کند

پنج نکته که وقتی می‌خواهید یک دست‌نوشته را به چیزی قابل شنیدن تبدیل کنید، اهمیت دارند.

روند کار

1. ۱

   متن خود را مشخص کنید

   یک فایل PDF برای پیش‌نویس سریع، یا پوشه‌ای از فایل‌های مارک‌داون فصل‌به‌فصل برای روایت کامل یک کتاب.

2. ۲

   موتور و صدا را انتخاب کنید

   Kokoro برای طبیعی‌ترین راوی انگلیسی، یا Piper برای سرعت بیشتر یا زبانی مثل فارسی و دانمارکی که Kokoro ندارد.

3. ۳

   فایل‌های آماده انتشار را بردارید

   یک MP3، یک MP4، و فایل زمان‌بندی فصل‌ها کنار فایل اصلی شما قرار می‌گیرند، آماده برای فید کتاب صوتی یا آپلود در یوتیوب.

نصب

پنج دستور، فقط یک‌بار. نسخه CPU از torch باید پیش از requirements.txt نصب شود، وگرنه pip نسخه حجیم CUDA را دانلود می‌کند.

git clone https://github.com/cocodedk/pdf2speech
cd pdf2speech
python3 -m venv .venv
.venv/bin/pip install torch --index-url https://download.pytorch.org/whl/cpu
.venv/bin/pip install -r requirements.txt
.venv/bin/python -m piper.download_voices en_US-lessac-medium --data-dir voices

مدل Kokoro در اولین استفاده به‌طور خودکار از Hugging Face دانلود می‌شود (حدود ۳۳۰ مگابایت). صداهای دیگر Piper، از جمله صداهای فارسی و دانمارکی، با همان دستور download_voices و نام مدل متفاوت در دسترس‌اند.

نحوه استفاده

سه ابزار، به ترتیب حجم کتابی که به آن‌ها می‌دهید.

./pdf2speech mybook.pdf
./pdf2speech mybook.pdf -o out.wav

./make_audiobook mybook.pdf
./make_audiobook notes.md -o ~/out/ --engine kokoro --voice am_michael

./narrate_book mybook/chapters --voice am_michael --cover-pdf book.pdf

./narrate_book mybook/persian --engine piper --voice fa_IR-ganji_adabi-medium \
    --chapter-label فصل --cover-pdf mybook-fa.pdf --name mybook-fa