PDF2Audio - 将PDF文档转换成音频博客的开源工具

PDF2Audio是什么

PDF2Audio 是一个开源工具，能将 PDF 文档转换成音频内容，适合制作播客、讲座或摘要。它基于 OpenAI 的 GPT 模型生成播客脚本，通过文本到语音技术转化为音频。用户可以在本地或云服务上部署，或通过在线 Demo 体验。支持多种语言和自定义选项，包括文本生成模型和语音风格。项目可在 GitHub 上找到，在线 Demo 可在 Hugging Face 平台上访问。

PDF2Audio的主要功能

PDF 转文本：将 PDF 文档转换为可处理的文本格式。
生成播客脚本：使用 GPT 模型，基于文本内容生成适合播客的对话形式文稿。
文本到语音转换：将生成的播客文稿通过 TTS 技术转化为音频文件。
多种语言支持：支持从源语言生成多种目标语言的音频内容。
高级编辑功能：支持用户对生成的文本进行注释、添加评论，进行特定修改。
批量处理：支持同时上传多个 PDF 文件，进行批量音频转换。
内容模板：提供多种内容模板，如播客、讲座、摘要等，适应不同场景。
个性化选项：用户可以选择不同的 GPT 文本生成模型和 TTS 模型，多种语音风格和音色。

PDF2Audio的项目地址

Github仓库：https://github.com/lamm-mit/PDF2Audio
在线Demo体验地址：https://huggingface.co/spaces/lamm-mit/PDF2Audio

如何安装和部署PDF2Audio

要安装和部署 PDF2Audio，可以按照以下步骤进行：

克隆仓库：使用 Git 克隆 PDF2Audio 的 GitHub 仓库到本地。
```
git clone https://github.com/lamm-mit/PDF2Audio.git
cd PDF2Audio
```
安装 Python 环境：建议使用 Python 3.9 或更高版本，并使用 conda 环境管理器创建一个新的虚拟环境。
```
conda create -n pdf2audio python=3.9
conda activate pdf2audio
```
安装依赖：安装项目所需的 Python 第三方库。
```
pip install -r requirements.txt
```
配置 API KEY：在项目根目录下创建一个 .env 文件，并配置你的 OpenAI API KEY。
```
OPENAI_API_KEY=your_api_key_here
```
运行项目：使用以下命令启动 Gradio 界面，启动后在浏览器中访问 http://127.0.0.1:7860 即可使用。
```
python app.py
```