Abogen: Giải Pháp Tạo Sách Nói Và Lồng Tiếng Toàn Diện

Giới thiệu về Abogen

Abogen là một công cụ chuyển đổi văn bản thành giọng nói (Text-to-Speech) mạnh mẽ. Ứng dụng này giúp người dùng dễ dàng chuyển đổi các định dạng tệp như ePub, PDF, văn bản thường (TXT), Markdown, hoặc các tệp phụ đề thành âm thanh chất lượng cao, đi kèm với phụ đề được đồng bộ hóa chuẩn xác chỉ trong vài giây.

Abogen sử dụng mô hình Kokoro-82M để tạo ra giọng đọc tự nhiên. Công cụ này rất lý tưởng để tạo sách nói (audiobook), lồng tiếng cho các video trên các nền tảng như Instagram, YouTube, TikTok hoặc bất kỳ dự án nào yêu cầu giọng đọc máy tự nhiên.

Các tính năng nổi bật:

• Hỗ trợ đa dạng tệp đầu vào: .txt, .epub, .pdf, .md, .srt, .ass, .vtt.

• Cung cấp hai giao diện sử dụng: Ứng dụng Desktop (giao diện PyQt ổn định) và Ứng dụng Web (Web UI với nhiều tính năng nâng cao mới).

• Tính năng Voice Mixer: Cho phép kết hợp nhiều mô hình giọng nói để tạo ra một giọng đọc tùy chỉnh độc đáo.

• Chế độ hàng đợi (Queue Mode): Xử lý nhiều tệp cùng lúc với các cấu hình riêng biệt cho từng tệp.

• Hỗ trợ chia chương (Chapter Markers) và siêu dữ liệu (Metadata) cho sách nói định dạng M4B.

• Tích hợp trí tuệ nhân tạo (LLM) để chuẩn hóa văn bản phức tạp và tích hợp trực tiếp với hệ thống Audiobookshelf.

---

Hướng dẫn cài đặt cơ bản

Trước khi sử dụng, máy tính của bạn cần được cài đặt phần mềm hỗ trợ giọng nói espeak-ng.

• Trên Windows: Tải mã nguồn của kho lưu trữ về máy, giải nén và chạy tệp WINDOWS_INSTALL.bat. Tập lệnh này sẽ tự động thiết lập môi trường và cài đặt mọi phụ thuộc cần thiết (bao gồm cả Python và CUDA cho GPU NVIDIA). Bạn chỉ cần cài đặt espeak-ng theo tệp .msi.

• Trên Mac: Cài đặt espeak-ng qua Homebrew (brew install espeak-ng), sau đó dùng công cụ uv hoặc pip để cài đặt Abogen.

• Trên Linux: Cài đặt espeak-ng qua trình quản lý gói của hệ điều hành (apt, pacman, dnf), sau đó dùng uv hoặc pip để cài đặt Abogen. Ứng dụng hỗ trợ cả GPU NVIDIA và AMD trên Linux.

---

Hướng dẫn sử dụng

1. Cách sử dụng giao diện Desktop (PyQt)

Đây là giao diện phần mềm tiêu chuẩn với các tính năng cốt lõi.

Bước 1: Mở ứng dụng Khởi chạy phần mềm bằng cách chạy lệnh abogen trong terminal hoặc sử dụng phím tắt (shortcut) nếu bạn cài đặt qua file bat trên Windows.

Bước 2: Thêm dữ liệu đầu vào Bạn có thể kéo và thả tệp văn bản/sách (ePub, PDF, TXT, MD) hoặc tệp phụ đề vào cửa sổ chương trình. Bạn cũng có thể sao chép và dán văn bản trực tiếp vào trình soạn thảo có sẵn.

Bước 3: Cấu hình thiết lập

• Tốc độ (Speed): Điều chỉnh tốc độ đọc từ 0.1x đến 2.0x.

• Chọn giọng đọc (Voice): Chọn giọng theo mã ngôn ngữ (ví dụ: 'a' cho tiếng Anh Mỹ, 'm' cho giọng nam, 'f' cho giọng nữ).

• Tạo phụ đề (Generate subtitles): Chọn cách tạo phụ đề như theo từng dòng, từng câu, theo số lượng từ cụ thể (ví dụ: 1 từ, 2 từ).

• Định dạng đầu ra: Chọn định dạng âm thanh (.WAV, .FLAC, .MP3, .OPUS, hoặc .M4B có hỗ trợ phân chương) và định dạng phụ đề (SRT, ASS).

• Vị trí lưu: Chọn thư mục để xuất tệp kết quả.

Bước 4: Thực thi Nhấn nút Bắt đầu (Start) và chờ phần mềm xử lý. Kết quả sẽ được lưu vào thư mục bạn đã chỉ định.

2. Cách sử dụng giao diện Web (Web UI)

Giao diện Web hiện đang được phát triển mạnh mẽ và chứa nhiều tính năng mới nhất (như chuẩn hóa văn bản bằng LLM).

Bước 1: Mở giao diện Web Chạy lệnh abogen-web trong terminal.

Bước 2: Truy cập ứng dụng Mở trình duyệt web và truy cập vào địa chỉ http://localhost:8808.

Bước 3: Tải tài liệu lên Kéo thả tài liệu của bạn vào khu vực tải lên hoặc sử dụng nút duyệt tệp.

Bước 4: Cấu hình và tạo công việc Chọn giọng đọc, ngôn ngữ, tốc độ, kiểu phụ đề và định dạng đầu ra tương tự như bản Desktop. Sau đó nhấp vào "Create job".

Bước 5: Theo dõi và tải xuống Công việc sẽ được đưa vào hàng đợi và chạy ngầm. Giao diện trình duyệt sẽ tự động cập nhật tiến trình và nhật ký xử lý (logs) theo thời gian thực. Khi hoàn tất, bạn có thể tải xuống các tệp âm thanh và phụ đề trực tiếp từ giao diện web. Bạn cũng có thể hủy hoặc xóa các công việc trong danh sách bất cứ lúc nào.