新年伊始，我vibe code了一个能让任何人帮我朗读有声书的APP（附下载链接）

我是一个有声书的重度爱好者。

我喜欢在烹饪，健身，散步，晚上睡前等不便阅读的场景中，戴上耳机，打开手机上的“Voice” APP，听上面已经存好的有声书。

在我看来听有声书不仅仅是一种高效利用碎片时间获取知识的途径，也是一种非常好的放松方法。

自打2022年ChatGPT发布以来，人工智能技术的发展可谓日新月异，除了我们大家熟知的LLM，图片生成，视频生成技术之外，人工智能语音合成技术也得到了长足的发展，特别是可以实现声音克隆的文字转语音技术，不但造福了很多内容创作者，也让有声书这个场景多了许多可能性。

正如麦克卢汉所说，媒介即信息，我们在听有声书的时候，抛开书的内容不谈，朗读这本书的声音本身就是一个非常重要的信息，它甚至可以从某种程度上决定你是否会喜欢这本书的内容。

因为，首先，朗读这件事不仅仅很吃天赋，也是一门技术活，其次，每个人对于声音和口音的喜好也是不一样的。

所以就好像译制作品的读者会挑译本一样，有声书的听众也会挑朗读者。

我平时听有声书时候，首选作者本人朗读的版本，如果没有的话，那就只能碰运气了。有时候就会遇到那种本来很喜欢的书但是不喜欢朗读者的情况。例如：Yuval Harari 2024年出版的新书《智人之上》（Nexus：Nexus: A Brief History of Information Networks from the Stone Age to AI），它的有声书版本我就不是特别喜欢。

去年年底，我脑中冒出一个想法：何不利用现有的TTS语音合成技术，来制作一个可以生成自己喜欢版本有声书的工具。

其实，网络上利用TTS来生成有声书的工具已经很多了，但是经过我的一番研究，发现它们都存在这样那样的瓶颈：例如有些工具仅仅面向拥有英伟达显卡的电脑开发；有些工具又没有图形化界面，命令行界面操作起来非常不直观；还有的工具并不提供电子书预处理功能，导致有声书生成过程中出现目录，标注信息被朗读出来的情况。

当然，最终，我还是在github上找到了一款最适合我魔改的开源项目：audiblez。它利用了轻量化的Kokoro模型作为基底，融合了一些文本处理的Python脚本和图形化界面，形成了一套非常友好顺畅的电子书到有声书的工作流。

美中不足是，Kokoro模型本身并不支持声音克隆。

于是，我需要做的事情就是，找到一款可以在我的丐版M1上面跑起来的，支持声音克隆的开源模型，对Kokoro进行替换。

经过一番搜寻，我发现最合适的是由Resemble新近发布的Chatterbox Turbo模型，它支持语音克隆，并且有针对Apple Silicon优化过的mlx版本。

说干就干，在谷歌Antigravity的帮助下， 我终于成功地将Audiblez项目原有的Kokoro模型替换成了可以进行声音克隆的Chatterbox Turbo模型。

大功告成了吗？并没有！

我做出来这个东西虽然能用，但是存在两个硬伤：第一，audiblez基于wxPython的界面很丑，而且非常不容易改动。第二，我的丐版M1在运行这个APP的时候几乎会动用电脑所有资源，导致电脑卡顿无比，几乎无法正常做其他事情。所以我也只能在晚上睡觉的时候才敢开着它生成有声书。

生命在于折腾，于是我开始对这个初版进行大刀阔斧的改造：首先，要用有现代美的Web界面替换掉古早风的wxPython界面，然后要寻找一个能够不那么占用电脑计算资源的方法，让它在生成电子书的时候还允许我使用电脑进行其他工作。

经过和Claude Opus的无数轮对话探讨，和几次失败的UI重构尝试，最终我决定使用对小白更友好的Electron作为UI框架。

至于算力瓶颈的问题，我则要感谢法国团队Kyutai在近日开源的最新版Pocket TTS模型，这个只有100M参数的小模型，不仅仅可以只在两个CPU核心上跑（完全不需要GPU），而且具有非常高水平的声音克隆技术。美中不足是它目前仅支持英文。

至此，我这个项目已经和最一开始的audiblez关系不太大了，因为我对它进行了从内到外的大规模重构。于是乎，我决定给它起一个新名字：ClonEpub。

ClonEpub能做的事情很简单：给它任意一本英文电子书（Epub格式），提供一段10-30秒长的声音克隆样本，可以是你喜欢的播音员，演员，有声书朗读者，或者是你朋友，家人或者你自己的声音。点击开始生成，它就会为你生成一本M4B格式，带有封面和章节信息的有声书文件。在我的丐版M1 Macbook Air上面，它可以在100分钟内生成一本《Animal Farm》的有声书。

我已经把ClonEpub第一个测试版进行了打包，因为我目前手头只有一个丐版M1，所以暂时只能提供Mac Apple Silicon的打包版本。后续会考虑打包针对Mac Intel，Windows和Linux的打包。

想要尝试的朋友请在后台回复关键词“clonepub”获取下载链接。

这大概率不会是这款APP的最后一个版本，因为我有足够理由相信，后面还会有更加优秀的，支持更多语种的模型和更尖端的AI语音合成技术涌现出来。

我会持续关注。

本文系数字游民Jarod原创，如需转载请联系作者授权。

原文发表于微信公众号：数字游民部落