Abogen - Audiobücher aus EPUB, PDF und Text erzeugen

• Abogen ist ein Open-Source-Tool, das ePub-, PDF- und Textdateien einfach in hochwertige Audiobücher umwandelt
• Während der Umwandlung werden auch synchronisierte Untertitel automatisch erzeugt
• Es bietet zahlreiche Funktionen wie individuelles Voice-Mixing, Encoding-Formate, Kapitelaufteilung und Stapelverarbeitung (Queue-Modus)
• Es verwendet die aktuelle Kokoro-82M-Sprachsynthese-Engine und unterstützt dadurch natürliche TTS-Qualität und mehrere Sprachen
• Gegenüber anderen Projekten punktet es mit einer intuitiven GUI, projektweiser Ordnerverwaltung und automatischer Metadatenverarbeitung

---

Überblick über Abogen und seine Bedeutung

• Abogen ist ein Open-Source-Text-to-Speech-(TTS)-Tool, das Textdateien (ePub, PDF, .txt usw.) schnell in natürlich klingende Audiobücher umwandelt
• Es bietet einen großen Funktionsumfang, darunter eine intuitive Oberfläche, Stapelverarbeitung mehrerer Dateien, benutzerdefiniertes Voice-Mixing, verschiedene Ausgabeformate, Kapitelverwaltung und Metadaten-Unterstützung
• Im Unterschied zu anderen Open-Source-Projekten lassen sich mit einfacher Bedienung hochwertige Audiodateien (insbesondere TTS auf Basis von Kokoro-82M) und Untertitel leicht erzeugen
• Der anfängliche Installationsprozess und die komplexe Einrichtung der Python-Umgebung sind automatisiert, sodass auch Einsteiger unter den Entwicklern das Tool leicht nutzen können
• Besonders die kapitel- und metadatenbezogene Verarbeitung pro Projekt, die GUI-Umgebung und die Custom-Voice-Funktion gelten als Wettbewerbsvorteile

Zusammenfassung der wichtigsten Merkmale

• Text-to-Speech (TTS) wandelt ePub-, PDF- und Textdateien in Sekunden in Audio um
• Synchronisierte Untertitel werden automatisch erzeugt; Audio und Untertitel stimmen vollständig überein
• Mit dem Voice Mixer lassen sich mehrere Sprachmodelle kombinieren, um ein eigenes Stimmprofil zu erstellen
• Der Queue-Modus unterstützt die Stapelverarbeitung mehrerer Dateien und behält individuelle Einstellungen pro Datei bei
• Automatische Erzeugung von Kapitelmarkierungen und Metadaten sowie Verwaltung von Projektordnern
• Verschiedene Ausgabeformate: Unterstützung für WAV, FLAC, MP3, OPUS, M4B; Untertitel auch als SRT/ASS auswählbar
• Unterstützte Hauptsprachen: amerikanisches/britisches Englisch, Spanisch, Französisch, Hindi, Italienisch, Japanisch, Portugiesisch, Chinesisch usw.
• Liefert hochwertige, natürliche Aussprache auf Basis der Kokoro-82M-TTS-Engine
• Unterstützt sowohl GUI als auch Kommandozeile; Docker-Container können ebenfalls verwendet werden

Detaillierte Übersicht der Abogen-Funktionen

#Einstieg und Installationshintergrund

• Bestehende TTS-Tools haben oft Einschränkungen bei Installation, Einrichtung, Qualität, Anpassbarkeit und der Verarbeitung mehrerer Dateien
• Abogen wurde mit einer einfachen, aber leistungsstarken Oberfläche entwickelt, damit auch Anfänger fortgeschrittene Funktionen wie Text-zu-Audio-Konvertierung, Untertitel-Erzeugung und Voice-Mixing leicht nutzen können
• Es kann unter verschiedenen Betriebssystemen (Windows, Linux, macOS) verwendet werden und richtet die eingebettete/installierte Umgebung automatisch ein, ohne dass Python vorab installiert sein muss

#Wichtige Nutzungsschritte

• ePub-, PDF- oder Textdateien lassen sich per Drag-and-Drop hinzufügen, alternativ kann der integrierte Editor verwendet werden
• Einstellungen: Lesegeschwindigkeit, Stimme (Modell, Geschlecht, Sprache), Untertitelstil (satzweise, wortweise), Audio- und Untertitelausgabeformat, Ausgabepfad usw. lassen sich detailliert auswählen
• Mit einem Klick auf die Schaltfläche zum Starten der Umwandlung wird das Ergebnis sofort erzeugt

#Praktische Demonstration

• Selbst auf einer leistungsschwachen GPU können etwa 3.000 Zeichen Text in 11 Sekunden in 3 Minuten und 28 Sekunden Audio umgewandelt werden
• Die Verarbeitungsgeschwindigkeit variiert je nach Hardware

#Konfigurationsoptionen

• Eingabemethoden: Drag-and-Drop, integrierter Editor, gleichzeitige Verarbeitung mehrerer Dateien über die Queue-Verwaltung
• Lesegeschwindigkeit: Feineinstellung von 0.1x bis 2.0x
• Stimmauswahl und Vorschau: Modelle nach Sprache und Geschlecht sowie ein eigener Mixer für das persönliche Stimmprofil
• Untertitel-Erzeugung: Automatisierung nach Sätzen, Kommas oder in Einheiten von n Wörtern
• Audioausgabe: WAV, FLAC, MP3, OPUS, M4B (mit Kapiteln)
• Untertitelformate: Anpassbare Unterstützung für SRT, ASS usw.
• Kapitel- und Projektverwaltung: Speicherung in Projektordnern mit Audio pro Kapitel, zusammengeführter Version und Metadaten
• Vielfältige UI-Optionen wie Themes, Logs und Shortcuts

#Voice Mixer

• Mehrere Sprachmodelle lassen sich über Gewichtungsanpassung kombinieren, um eine einzigartige Stimme direkt zu erstellen, zu speichern und wiederzuverwenden
• Das Ergebnis des Voice-Mixings kann als Stimmprofil vorgehört und angewendet werden

#Queue-Modus

• Behält individuelle Einstellungen pro Datei bei und wandelt mehrere Texte und eBooks auf einmal automatisch um
• Für jede Datei werden die Einstellungen zum Zeitpunkt des Hinzufügens zur Queue separat gespeichert und bleiben unabhängig von Änderungen an den Haupteinstellungen

#Kapitelmarker/Metadaten

• Fügt automatisch Tags zur Kapitelaufteilung ein
  • Tags können auch manuell mit `` eingefügt werden
  • Im Fehlerfall ist es vorteilhaft, nur das betreffende Kapitel schnell erneut zu verarbeiten
• Mit Metadaten-Tags können Informationen wie Titel, Autor und Jahr ergänzt werden, damit Audiobook-Apps diese anzeigen
  • Sie können am Anfang einer Textdatei hinzugefügt werden

#Unterstützte Sprachen

• Mehrsprachige Unterstützung der Kokoro-82M-Engine
• Englisch (US/UK), Spanisch, Französisch, Hindi, Italienisch, Japanisch, brasilianisches Portugiesisch, Chinesisch usw.
• Untertitel für andere Sprachen können aufgrund technischer Einschränkungen der Engine später angefragt werden

#Ausgabe und Einsatz

• Empfohlen werden leistungsfähige Media-Player wie MPV, die synchronisierte Untertitel unterstützen
• Unterstützung für den serverseitigen Betrieb auf Docker-Basis

#Unterschiede zu ähnlichen Projekten

• Abogen bietet mit eigenständiger GUI, Anpassungsfunktionen, projektweiser Ordnerverwaltung, Automatisierung von Kapiteln und Metadaten, Queue-Verarbeitung und gemischten Stimmen Komfort auf höchstem Niveau
• Es hat Gemeinsamkeiten mit audiblez, autiobooks, pdf-narrator, epub_to_audiobook und ebook2audiobook, unterscheidet sich aber durch die GUI-Bedienbarkeit, die fortschrittliche TTS-Engine sowie die Synchronisierung von Kapiteln und Untertiteln

#Roadmap und Mitwirkung

• Geplant sind unter anderem die Ergänzung von OCR (Dokumentenerkennung) und eine stärkere mehrsprachige GUI
• Jeder kann das Projekt forken und mit neuen Funktionen oder Bugfixes zu diesem Open-Source-Projekt beitragen

#Technische Credits und Lizenz

• Verwendet verschiedene Open-Source-Technologien von Partnerprojekten wie Kokoro-82M TTS, eine auf PyQt basierende GUI und die Integration von EbookLib
• MIT-Lizenz (kommerzielle Nutzung und Änderungen frei), die Engine (Kokoro) steht unter der Apache-2.0-Lizenz

#Hinweise und Einschränkungen

• Die Synchronisierung der Untertitel wird derzeit nur für Englisch angeboten (Unterstützung weiterer Sprachen erfordert Weiterentwicklung der Kokoro-Engine)
• Einige Funktionen sind eingeschränkt (z. B. Audio-Vorschau innerhalb von Docker)
• Für detaillierte Anleitungen zu Installation und Umgebungseinrichtung siehe die offizielle Dokumentation