Pandrator

Pandrator

Pandrator简介

Pandrator 是一个图形用户界面的有声书和配音生成工具，具有语音克隆和 AI 文本优化功能。基于开源软件，Pandrator 能够将文本、PDF、EPUB 和 SRT 文件转化为多语言的语音输出。这一工具旨在易于使用和安装，提供一键安装程序和图形用户界面。

Pandrator 利用 XTTS、Silero 和 VoiceCraft 模型进行文本到语音的转换和语音克隆，通过 RVC_CLI 提升语音质量和克隆结果，并使用 NISQA 进行音质评估。此外，它还集成了 Text Generation Webui 的 API，用于本地 LLM 为文本预处理，支持在语音生成前进行广泛的文本操作。

虽然 Pandrator 目前处于初学者阶段，功能和可靠性方面还不够完善，但它依然是一个强大的工具，适用于各种需要生成有声内容或配音的场景。

使用场景

Pandrator 的适用场景包括但不限于：

1. 有声书生成

• 将书籍、文章等文本材料转换为有声内容，方便听书爱好者使用。

2. 外语学习

• 生成多语言的音频输出，帮助学习者通过听力练习掌握新语言。

3. 视频配音

• 通过处理 SRT 字幕文件，生成与视频同步的配音，并保存到视频文件中。

4. 电子书

• 将 EPUB 或 PDF 格式的电子书转化为有声书，提供更便携的阅读体验。

5. 语音克隆

• 利用语音样本，克隆特定声音，用于生成语音内容。

安装与使用

Pandrator 提供了简单的一键安装程序，支持 Windows 和 Nvidia GPU 的用户。手动安装也很简单，详见官方文档。安装完成后，用户可以通过图形界面选择文本文件、配置 TTS 服务器（XTTS、Silero 或 VoiceCraft），设置语音和音频参数，并开始生成音频输出。

功能

1. 文本预处理 ：分割句子并尝试保留段落，支持多种语言的预处理配置。
2. LLM 文本预处理 ：利用本地 LLM 进行文本纠正和优化，支持多次提示处理和模型选择。
3. 音频生成 ：转换处理后的文本为语音，支持 voice cloning 和质量提升。
4. 音质评估 ：使用 NISQA 模型评估生成的音频质量，并选择最佳的音频输出。
5. 配音生成 ：从字幕文件生成语音并与视频音轨混合，生成视频配音。
6. 会话管理 ：支持创建、删除和加载会话，方便工作流程管理。
7. 图形用户界面（GUI） ：使用 customtkinter 提供用户友好的操作界面。

Pandrator 是一个处于发展初期的工具，虽然还不完美但已经具有强大的功能，对于需要生成有声书或配音的用户来说，是一款值得尝试的工具。