开源 AI 有声书生成器 2026

云端有声书工具按小时收费还扣着你的文件。自托管 TTS 栈免费朗读你的整个书库——带真实项目和真实 star 的管道在这里。

📜 目录

• 自托管的理由
• 引擎
• 完整管道
• Web UI 层
• 要紧的设置
• 相关文章

自托管的理由

如果你有个人电子书、论文和文章库，云端有声书服务在真实量级下真的很花钱——而且你的阅读清单是你的数据。自托管栈用电费把任何文本变成语音，长度无限制。质量之争 2025 年就结束了：开源 TTS 好到决策点变成控制权而不是质量。（star 数 2026-08-13 实测）

引擎

Coqui TTS（45,883 stars）：全功能参考：XTTS 多语言音色克隆、微调支持、最广生态。什么都能做的重型选项。

Kokoro（8,398 stars）：现代宠儿：82M 参数、语调自然、登顶开源榜单。CPU 友好，批量够快。

Piper（11,279 stars）：轻量主力：快、小，是许多自托管阅读项目的默认引擎。质量好但不旗舰——批量旁白正合适。

ChatTTS（39,776 stars）：内容对话多时选它；天然处理多说话人轮次。

完整管道

上面五步就是完整流程：Calibre 提取文本 → csplit 按段切块 → piper 逐块合成 → sox 合并 → ffmpeg 加章节元数据。

Web UI 层

不想丢自托管又想有托管体验，两个项目给这些引擎套了 Web UI：Open WebUI（148,592 stars）管聊天加文档朗读，AnythingLLM（65,000 stars）把你的文档变成可查询库并给答案配 TTS。都跑 Docker，一切留在本地。

要紧的设置

• 跨章节音色一致：全程同一个模型和种子，一本书绝不混引擎
• 段落边界切块：句中切断会让旁白磕巴
• 采样率一致：从一开始就定 22050 Hz（或引擎原生率），否则合并步重采样劣化
• 备份脚本而不是只备份音频：换语音模型后重新生成一章应该是一次脚本运行，不是手工活

整套免费、离线、无限制——唯一成本是一个下午的配置，结果是一个会自己朗读的书库。

相关文章

• 本地LLM搭建：Reddit网友真实推荐
• Kokoro TTS 自定义音色 2026：用你自己的样本微调本地语音模型
• 2026年自托管AI聊天机器人：AnythingLLM（6.4万星）对比 Open WebUI 与 chat-ui，服务器上的私密ChatGPT