Читать некогда, а книги копятся? Audiblez v4 превращает .epub в .m4b-аудиокнигу почти автоматически. На GPU (графический процессор) T4 в Google Colab 160 000 символов обрабатываются примерно за 5 минут.
Это скорость около 600 символов в секунду. Для сравнения: на CPU (центральный процессор) в MacBook M2 Pro тот же объём занимает около часа.
Что реально изменилось в Audiblez v4
Раньше это был инструмент в основном для терминала. Теперь есть GUI (графический интерфейс), поддержка CUDA (ускорение на NVIDIA GPU) и широкий выбор языков.
Для обычного пользователя это главное: меньше ручной рутины, быстрее результат, проще запуск. Сценарий стал ближе к формату «нажал и получил файл».
- Конвертация EPUB в M4B: формат удобен для глав и закладок в плеерах.
- Новый GUI: можно работать без командной строки.
- Поддержка CUDA: ускорение генерации речи на совместимых видеокартах.
- 9 языков: английский (US/UK), испанский, французский, хинди, итальянский, японский, бразильский португальский, китайский.
- Гибкая скорость чтения: от 0.5x до 2.0x.
- Выбор глав вручную через флаг --pick, если озвучивать нужно не всю книгу.
Под капотом используется Kokoro-82M, модель TTS (синтез речи из текста) на 82 млн параметров. Для open source (открытый исходный код) это очень компактный размер при живом голосе.
Почему это важно не только разработчикам
У Audiblez понятная бизнес-логика. Люди хотят «читать» в дороге, на прогулке, в спортзале и между встречами. Аудиоформат возвращает в день 30-90 минут, которые раньше терялись.
Проект распространяется по Apache license (лицензия с правом свободного использования) для модели и MIT license (свободная лицензия) для инструмента. Это снимает часть барьеров для экспериментов в командах и стартапах.
Ещё один сигнал рынка: качество TTS (синтез речи) выросло настолько, что даже лёгкие модели звучат естественно. Раньше для этого нужны были тяжёлые, дорогие решения.
Как применить прямо сейчас: 3 рабочих сценария
Если вы предприниматель, маркетолог или разработчик, польза очень практичная. Ниже сценарии, где Audiblez окупает время уже в первую неделю.
1) Личный «аудио-ридер» для деловых книг
- Берёте EPUB с бизнес-книгой.
- Запускаете конвертацию и слушаете в VLC или audiobook player (плеер аудиокниг).
- Скорость ставите 1.2x–1.5x, чтобы пройти материал быстрее.
2) Озвучка внутренних материалов компании
- Регламенты, инструкции, длинные документы часто никто не дочитывает.
- Аудиоверсия повышает шанс, что материал реально потребят.
- Особенно полезно для онбординга и обучения новых сотрудников.
3) Прототип голосового продукта без больших затрат
- Можно быстро проверить гипотезу подкаста, учебного курса или voice-first (управление через голос) формата.
- Для MVP (минимально жизнеспособный продукт) не нужны студия и диктор.
- Достаточно Python, ffmpeg и espeak-ng.
Установка и ограничения без лишней романтики
На Linux и macOS установка простая: пакетные зависимости плюс pip install audiblez. На Windows разработчик советует ставить в venv (изолированная среда Python), чтобы избежать конфликтов.
Есть важный нюанс: финальный .m4b появится только при установленном ffmpeg. Без него получите промежуточные .wav по главам, но не итоговую аудиокнигу.
Второй нюанс: ускорение через CUDA работает на совместимых NVIDIA. Apple Silicon GPU пока официально не поддержан в этом проекте.
Ссылка на репозиторий: github.com/santinic/audiblez.
Если нужен быстрый тест, начните с 1 книги на 100-200 тысяч символов. По времени вы сразу поймёте, подходит ли процесс под ваш рабочий ритм.
Главная мысль: мы приближаемся к моменту, когда любой текст станет «слушаемым» по умолчанию, а чтение превратится в фоновый режим жизни.