Abogen：开源有声书生成器，把文档变成带字幕的语音

你有没有遇到过这些场景：

• 想”听”一本 EPUB 电子书，但市面上找不到一个好用的文字转语音工具
• 剪视频需要配音，但录音设备差、口音不过关、或者干脆不想出声
• 想把 PDF 论文转成音频，通勤路上听
• 看了海外博主的”有声短视频”想抄作业，但不知道用什么工具做

前段时间我在 GitHub 上刷到一个项目，名字叫 Abogen，Star 一直在涨。试用了一番之后，只能说——这东西，确实是目前开源圈子里有声书生成的天花板。

下面来聊聊。

Abogen 是什么

一句话定义：Abogen 是一个把 EPUB、PDF、TXT、Markdown 甚至字幕文件，直接转换成高质量音频 + 同步字幕的开源工具。

项目名称是 audiobook generator（有声书生成器）的缩写，纯 Python 实现。底层 TTS 引擎用的是 Kokoro-82M——一个轻量级但效果出众的语音合成模型。

作者给出的一个数据很能说明问题：RTX 2060 移动显卡，处理约 3000 个字符的文本，只需 11 秒，就能生成 3 分 28 秒的音频。 这个速度意味着，即便是普通配置的电脑，也能在几分钟内搞定一本短篇。

核心特性

快速上手

Abogen 的安装非常灵活，支持三种主流方式。

Windows（最简单）

装好 espeak-ng 的 .msi 后，下载项目 ZIP 包，解压后双击 WINDOWS_INSTALL.bat，脚本自动搞定 Python 环境和 CUDA。

跨平台通用（uv 推荐）

# NVIDIA GPU（CUDA 12.8）
uv tool install --python 3.12 abogen[cuda] \
  --extra-index-url https://download.pytorch.org/whl/cu128 \
  --index-strategy unsafe-best-match

# 无 GPU / CPU 模式
uv tool install --python 3.12 abogen

macOS（Apple Silicon）

brew install espeak-ng
uv tool install --python 3.13 abogen \
  --with 'kokoro @ git+https://github.com/hexgrad/kokoro.git,numpy<2'

Linux

sudo apt install espeak-ng   # Ubuntu/Debian
uv tool install --python 3.12 abogen

Docker

docker build -t abogen .
docker run --rm -p 8808:8808 -v ~/abogen-data:/data abogen

使用流程

安装完成后，命令行运行 abogen 打开桌面 GUI，或 abogen-web 开启 Web 界面（浏览器访问 http://localhost:8808）：

1. 拖入文件——把 EPUB/PDF/TXT 直接拖进窗口，或用内置编辑器粘贴文本
2. 选声调参——选择声音（中英文男/女声）、调整语速、设置字幕风格和输出格式
3. 点击 Start——等进度跑完，下载音频和字幕文件

整个过程极其直观，界面上该点的按钮一目了然。

使用场景

对比其他 TTS 方案

优劣势

优势

劣势

适合谁用

• 🧑‍💻 开发者——需要在自己的应用中嵌入 TTS 功能，源码清晰可改
• 🎬 内容创作者——想做有声短视频但不想出声，Abogen 批量产出效率极高
• 📚 书虫 / 通勤族——把 EPUB 转成音频，路上听书
• 🎓 语言学习者——对照字幕听外语有声书，沉浸式输入
• 🏢 教育机构——把教材 PDF 批量转为带字幕的音频课件

总结

Abogen 给我的最大感受是完整性。它不是那种”转完语音就完事”的半成品——文档解析、语音合成、字幕生成、章节管理、元数据嵌入，一整套流程全部打通。对于一个开源项目来说，能做到这个程度相当难得。

当然它也有短板（缩写、情感、标点停顿），但这些瑕疵在日常”把文档转成音频来听”或”给视频做配音”的场景中，影响并不大。

如果你一直在找一个能本地跑、效果好、还能自动生成字幕的 TTS 工具，Abogen 值得一试。

项目地址：github.com/denizsafak/abogen

参考文章：开源有声书的”天花板”，稳了！