Trasforma un EPUB in
un audiolibro

Trasforma un ebook EPUB in un MP3 per capitolo, da riga di comando o da una pagina web locale. Una voce narra il libro, e ogni personaggio che parla tra virgolette ha una voce tutta sua. Ogni capitolo ha anche i tempi di ogni parola e i sottotitoli, così puoi seguire il testo durante l'ascolto.

Vedi su GitHub

L'app web Audiobook dopo un'anteprima di alice_sample.epub: Preview only è spuntato, la modalità cast è Per speaker con Archie come narratore e l'inglese come lingua, e il log riporta circa 15065 crediti Cartesia, le voci Alice = Maya e Mouse = Leo, e i due capitoli elaborati

Screenshot. Il template in esecuzione in locale.

Modelli: sonic-3.6
Lingue: Inglese di default, altre con --language
Licenza: MIT
Stack: PythonGradioEbookLibffmpeguv
Prodotti Cartesia: Sonic 3.6

Cosa fa

Lo strumento da riga di comando e l'app web fanno la stessa conversione. Il progetto è un fork di epub_to_audiobook, il progetto open source di p0n1.

Una pagina di lettura guidata inclusa nel progetto evidenzia ogni parola durante la riproduzione, e un clic su una parola salta lì. I file dei sottotitoli funzionano nella maggior parte dei lettori.

Eseguilo tu

1
Anteprima senza chiave
Esegui i comandi qui sotto. Ti servono Python da 3.10 a 3.12, con uv e ffmpeg installati. L'esecuzione con --preview non produce audio e non richiede chiave. Divide il libro di esempio in capitoli, conta 15.065 caratteri (circa 15.000 crediti) e scrive out/cast.json, che indica la voce scelta per ogni personaggio.
npx degit cartesia-ai/cookbook/examples/audiobook audiobook cd audiobook uv sync uv run python main.py samples/alice_sample.epub out --preview --no_prompt
Variabili d'ambiente
CARTESIA_API_KEY
play.cartesia.ai/keys. Non serve per --preview
Crea l'audio
Copia .env.example in un nuovo file .env. Aggiungi la tua CARTESIA_API_KEY. Caricalo nella shell con set -a; . ./.env; set +a. Poi esegui lo stesso comando senza --preview. Negli script, aggiungi -y per saltare la domanda sul costo.
Usa l'app web
Esegui uv run python main_ui.py. Poi apri http://127.0.0.1:7860. La CARTESIA_API_KEY deve essere impostata in quella shell. Lascia l'host locale predefinito, perché l'app non ha login e spende i tuoi crediti per chiunque riesca a raggiungerla.
Leggi mentre ascolti
Apri nel browser il file readalong.html del progetto. Scegli l'MP3 di un capitolo, poi il file .timings.json che lo accompagna. La parola corrente si illumina durante la riproduzione.

Crealo con il tuo agente di programmazione

Un prompt che dice al tuo agente di programmazione da dove partire e cosa leggere per primo.

Prompt

Claude Code Cursor Codex

Convert an EPUB into an audiobook with Cartesia. Start from https://github.com/cartesia-ai/cookbook/tree/main/examples/audiobook and follow its AGENTS.md for the commands, files and rules. It uses the cartesia Python SDK to stream sonic-3.6 from /tts/sse with add_timestamps and use_normalized_timestamps=False, joins the raw PCM with ffmpeg into one MP3 per chapter, and writes .timings.json and .vtt files for read-along. Run a --preview first, which needs no key, to check the character count and out/cast.json. If I don't have a Cartesia API key yet, follow https://www.cartesia.ai/agent-quickstart.md to get one.

Come funziona

EPUBDiviso in capitoli e paragrafi

CastTrova chi pronuncia ogni citazione e gli assegna una voce

Sonic 3.6Streaming su /tts/sse con timestamp delle parole, fino a 1.500 caratteri per richiesta

ffmpegUnisce il PCM e codifica l'MP3 con i tag ID3

Lettura guidataUn file .timings.json e un file .vtt per capitolo

Perché funziona così

Lo streaming dà i tempi delle parole

L'endpoint vocale semplice di Cartesia restituisce solo l'audio. I file per la lettura guidata hanno bisogno del momento di ogni parola, e solo gli endpoint di streaming lo restituiscono. L'app imposta anche use_normalized_timestamps=False, che lascia le parole come sono scritte, per esempio $5, così l'evidenziazione corrisponde al libro.

Le voci si fissano prima di ogni capitolo

Il cast si decide una volta, prima che inizi la conversione, così i processi in parallelo e le nuove esecuzioni concordano su chi legge ogni personaggio. Una battuta senza attribuzione, come disse Alice, va all'ultimo che ha parlato, oppure all'altro quando due personaggi si scambiano battute in paragrafi consecutivi.

Gli indizi nei dialoghi impostano l'emozione

Nei dialoghi in inglese, una parola come whispered, shouted o sobbed accanto a una battuta dice a Sonic di leggerla con tono calmo, arrabbiato o triste. Laughed aggiunge una risata prima della battuta.

Personalizzalo

Scegli le voci

Modifica out/cast.json ed esegui di nuovo. Per riusare un cast, passa il tuo file con --cast_file. Ogni valore è il nome di una voce inclusa, come Archie. Può anche essere qualsiasi id di voce da play.cartesia.ai/voices.

Usa una sola voce

Esegui con --cast_mode narrator per leggere tutto il libro, dialoghi compresi, con una sola voce. Scegli quella voce con --voice_name.

Converti un'altra lingua

Passa --language fr o un altro codice lingua di Sonic. Ogni personaggio ha ancora la sua voce. Le indicazioni di emozione e di risata funzionano solo in inglese.

Unisciti ai team che passano a Cartesia

Al primo posto

nelle classifiche Speech Arena e Speech to Text di Artificial Analysis

Domande

Quanto costa convertire un libro?

Sonic fattura circa un credito per carattere, e le pause tra i paragrafi vengono aggiunte in locale gratis. Esegui prima con --preview per ottenere il numero di caratteri. Il costo di un credito dipende dal tuo piano, quindi lo strumento non mostra importi in dollari.

Dà la voce giusta a ogni personaggio?

Quasi sempre, nei libri che attribuiscono le battute con disse Alice e simili. Gli sfuggono i personaggi solo sottintesi, e uno scambio senza attribuzioni tra due persone può invertirsi. Controlla il file del cast dopo un'anteprima e correggilo, oppure leggi tutto il libro con una sola voce.

Posso ascoltarlo in un'app per audiolibri come Audiobookshelf?

Sì. Ogni MP3 ha i tag di titolo, autore, album e traccia, quindi Audiobookshelf e server simili raggruppano i capitoli in un unico libro.

Posso convertire qualsiasi libro?

Converti solo libri che possiedi o di cui hai i diritti, e indica che l'output pubblicato è audio generato con IA. Il template include due capitoli di pubblico dominio di Alice nel Paese delle Meraviglie per i test.

Esiste una guida passo passo per questo template?

Sì. La ricetta spiega il codice passo per passo, il README copre configurazione, variabili d'ambiente e deploy, e il riferimento TTS via server-sent events spiega la parte Cartesia.