概要

• Abogen はePub、PDF、テキストファイルを高品質な音声と字幕に即時変換するツール
• Kokoro-82M 音声モデルを活用し、自然なテキスト読み上げを実現
• インストール方法や使い方が Windows/Mac/Linux /Dockerに対応
• カスタムボイス作成、バッチ処理、メタデータ追加 など多彩な機能
• 多言語・多フォーマット対応で、オーディオブックや動画ナレーション用途に最適

Abogen概要

• Abogen はテキストファイル（ePub/PDF/TXT）を 高品質な音声と同期字幕 に変換できるツール
• Kokoro-82M モデル採用による自然な音声生成
• Instagram、YouTube、TikTok などのナレーションやオーディオブック作成に最適
• 変換速度は 数千文字を数秒で処理 可能
• 字幕生成 も細かく設定可能（文単位、語単位など）

インストール方法

• Windows

  • espeak-ng のインストールが必須
  • 【スクリプト使用】リポジトリをダウンロードし WINDOWS_INSTALL.bat を実行
    • 依存関係やPythonも自動インストール
  • 【pip使用】仮想環境作成後、 pip install abogen
    • NVIDIA GPUはCUDA対応torchをインストール
    • AMD GPUはWindows未対応、Linux推奨

• Mac

  • brew install espeak-ng でespeak-ngを導入
  • 仮想環境を作成し、 pip3 install abogen

• Linux

  • ディストリビューションごとに espeak-ng をインストール
  • 仮想環境作成、 pip3 install abogen
  • NVIDIA GPUは追加設定不要
  • AMD GPUはtorchのアンインストールとROCm対応torch再インストールが必要

• トラブル対策

  • PATH エラー時はパスを追加
  • Pythonバージョン非対応エラー時は pyenv でバージョン管理

起動方法

• pipインストール時 ：コマンドラインで abogen を実行
• Windowsインストーラ利用時 ：ショートカットから起動、または python_embedded/Scripts/abogen.exe を直接実行

基本的な使い方

• ePub、PDF、テキストファイルを ドラッグ＆ドロップ または内蔵エディタで入力
• 音声速度、ボイス選択、字幕スタイル、出力形式、保存先 を設定
• Start ボタンで変換開始
• バッチ処理 やキュー追加も可能

主な設定項目

• 入力ボックス ：ファイルのドラッグ＆ドロップやエディタ入力
• キュー処理 ：複数ファイルの一括変換、ファイルごとに個別設定保持
• 音声速度 ：0.1x～2.0xまで調整可能
• ボイス選択 ：言語コード＋性別（例：a=American English, m=男性）
• ボイスミキサー ：複数ボイスをミックスしカスタムボイス作成
• 字幕生成 ：文単位、語単位、カンマ区切りなど細かく選択
• 出力音声形式 ：WAV、FLAC、MP3、OPUS、M4B（チャプター対応）
• 字幕形式 ：SRT、ASS（ワイド/ナロー/センタリング）に対応
• 改行置換 ：1行改行をスペースに変換しテキスト整形
• 保存先 ：入力ファイル横、デスクトップ、任意フォルダから選択

電子書籍用オプション

• チャプター指定 ：ePub/PDFの特定チャプターやページを選択
• チャプターごとに保存 ：各章を個別音声ファイルとして出力
• 統合版作成 ：全チャプター結合音声ファイル生成
• プロジェクトフォルダ保存 ：メタデータ付きで一括管理

メニューオプション

• テーマ変更 ：システム/ライト/ダーク
• 字幕1エントリー最大語数設定
• ログウィンドウ最大行数設定
• 個別チャプター音声形式選択
• デスクトップショートカット作成
• 設定/キャッシュディレクトリオープン
• キャッシュクリア
• 起動時アップデートチェック
• Kokoroのインターネットアクセス制限 （オフライン利用向け）
• 設定リセット

ボイスミキサー

• 複数の 音声モデルを合成 し、独自のカスタムボイスを作成可能
• 重み付け調整・プロファイル保存が可能
• 独自・個性的な音声生成が可能

キュー（バッチ）モード

• 複数ファイルを一括処理 できるキュー機能
• 各ファイルの設定は追加時の状態を保持
• メインウィンドウの設定変更は既存キューには影響なし
• ファイルごとの設定は マウスオーバー で確認可能

チャプターマーカーとメタデータタグ

• <<CHAPTER_MARKER:章タイトル>> タグでチャプター分割・再処理が容易
• <<METADATA_TITLE:タイトル>> などのタグでM4B用メタデータを埋め込み可能
• ePub/PDF変換時は自動付与、テキストファイルでも手動追加可能

対応言語・ボイス

• American English, British English, Spanish, French, Hindi, Italian, Japanese, Brazilian Portuguese, Mandarin Chinese など
• 日本語・中国語は追加パッケージ（misaki[ja]/misaki[zh]）が必要
• 詳細はKokoroの VOICES.md、サンプル音声は SAMPLES.md 参照

MPV設定例

• MPV プレイヤー推奨、音声ファイルでも字幕表示が可能
• mpv.conf 例
  • save-position-on-quit
  • keep-open=yes
  • sub-ass-override=no
  • sub-margin-y=50
  • sub-margin-x=50
  • audio-channels=auto
  • audio-samplerate=48000
  • volume-max=200

Dockerでの利用

• リポジトリをダウンロード し、abogenフォルダでDockerイメージをビルド
• 【Windows】docker run --gpus all abogen
• 【Linux/Mac】docker run --gpus all abogen
• 5800番ポート でWebブラウザアクセス、 5900番ポート でVNC接続可能
• /sharedディレクトリ でホスト⇔コンテナ間のファイル共有
• 既知の問題 ：オーディオプレビュー不可、設定/キャッシュディレクトリオープン不可

類似プロジェクト

• audiblez ：電子書籍からオーディオブック生成（CLI/GUI対応）
• autiobooks ：epub自動変換
• pdf-narrator ：PDF/EPUBのオーディオブック化
• epub_to_audiobook ：Audiobookshelf向け最適化変換
• ebook2audiobook ：電子書籍から音声生成