LiberSonora，寓意“自由的声音”，是一个 AI 赋能的、强大的、开源有声书工具集，包含智能字幕提取、AI标题生成、多语言翻译等功能，支持 GPU 加速、批量离线处理

使用 Deepseek + Cursor 开发 ❤

中文版 | English Version

项目官网及最新文档：https://libersonora.github.io/

🌟 项目亮点

📚 开源自由

• 采用 MIT 许可证，真正的开源免费
• 音频处理与大模型推理全程本地离线运行
• 自主可控，数据安全有保障

🚀 便捷部署

• 项目容器化，开发与部署便利
• 支持 API，轻松集成到个人工作流

🧩 模块化设计

• 各功能模块独立
• 可单独启动特定服务（如音频增强、字幕识别等）

🔧 灵活定制

• 支持自定义大模型，针对特定任务提升效果
• 配置灵活多样，满足不同需求

💡 创新功能

• 持续更新，引入最新AI技术
• 提供独特的音频处理与文本生成能力

🚀 LiberSonora 发展规划

项目的愿景是打造一个全方位的有声书生态系统，分三个阶段逐步实现：

🎯 第一期：智能字幕提取、标题生成与多语言支持（代码放于本仓库，已完成）

🎯 解决的核心问题：

• 📁 智能重命名：摆脱"第001集_xxxx.mp3"、"Chapter_001.mp3"等无意义命名，轻松找到感兴趣的内容
• 📄 自动字幕生成：为无字幕音频添加精准字幕，实现文字内容快速定位
• 🗣️ 多语言学习辅助：借助大模型翻译，提供多语言字幕，助力语言学习

✨ 功能：

• 🎙️ 有声书音频字幕提取
• 🏷️ AI 智能命名工具
• 🌐 AI 驱动的多语言翻译
• 🇬🇧 英语有声书全面支持
• 🧠 子任务维度灵活的大模型配置
• 🏠 项目官网搭建

🎵 第二期：全平台有声书播放器（功能和技术栈规划中，开始时间待定）

如果您对此感兴趣，可以到 🎧 全平台有声书播放器需求整理 提出想法

🎯 解决的核心问题：

• 🎧 商业播放器本地功能薄弱
• 🗂️ 文件管理不便，界面不够美观
• 🚫 频繁弹窗广告干扰用户体验

✨ 功能：

• 💻🍎📱 跨平台支持
• ☁️ 采用 WebDAV 等开放协议，实现本地同步，避免复杂的服务端开发
• 🖥️ 服务端 NAS 友好，支持 docker、飞牛、群晖等
• 📚 有声书专属逻辑：
  • 🚫 纯净无广告体验
  • 🖼️ 自动抓取网络封面
  • 📊 基于有声书维度的进度管理、倍速管理、独立音量管理
• 🔗 支持 WebDAV、SMB 等协议，便捷接入 ALIST 或 NAS 资源
• 📴 离线模式与下载功能，节省存储空间，适应各种使用场景
• 🔊 超大音量模式：
  • 适应嘈杂环境（如通勤、散步）
  • 用手机释放更大的音量，无需耳机或便携音箱
  • 解决部分有声书音量过小的问题
  • 牺牲部分音质换取更大音量输出

🔮 第三期：AI 辅助创作工具（暂无规划）

✨ 功能：

• 🗣️ 整合声音克隆技术
• 👶🏻 AI 生成内容，并用父母的声音讲故事，导入到火火兔
• 📑 智能内容生成、拆分与排版
• 🔗 与第二期播放器深度联动

⏳ 受个人时间和精力限制，项目进展可能较为缓慢。计划先实现一二期的核心功能，再逐步完善细节。

💖 如果您喜欢这个项目，欢迎赞助支持我们的开发！

功能列表

• 有声音频批量处理
• 移除背景音
• 本地大模型进行字幕矫正
• 本地大模型生成双语字幕
• 本地大模型生成标题生成
• 自动标点移除
• 支持灵活的批量重命名
• API 支持
• 超过 3h 的音频转换支持
• 提供云服务
• 国际化接轨，实现英文界面和英文 README
• CPU 可运行（低优先级，可能不做，由于 clear-voice 和 funasr 项目依赖原因，这个项目现在只能用带 nvidia GPU 的环境运行）

字幕转换和重命名结果示例下载

有声书资源均来自互联网，仅供效果参考和学习，若有侵犯著作权利请联系我删除

若想转换你正在听的有声书，但又不想搭建环境，可以到 📚有声书转换体验区 留言

书名	下载链接	提取码	备注
《资本论.马克思》	https://pan.quark.cn/s/7d2e048b0747	uhjP	经典政治经济学著作，中文
《苦难辉煌.金一南》	https://pan.quark.cn/s/b37fd2be9d50	Mhud	现代历史题材作品，中文
《毛泽东选集》	https://pan.quark.cn/s/db5d332ca110	1Vvr	中文
《Alice's Adventures in Wonderland.Lewis Carroll》	https://pan.quark.cn/s/2699b5b63abc	FNx8	爱丽丝梦游仙境，源语言英语+标题英语+字幕自动翻译中文
《Romeo and Juliet.William Shakespeare》	https://pan.quark.cn/s/27cb7de6f7ce	pjJ9	罗密欧与朱丽叶，源语言英语+标题英语+字幕自动翻译中文

字幕识别和大模型翻译支持

字幕识别支持

• ✅ 中文（zh-CN）
• ✅ 英语（en）

多语言字幕翻译支持

语言	支持状态	备注
中文（zh-CN）	✅ 支持	源语言，翻译目标语言
英语（en）	✅ 支持	源语言，翻译目标语言
日语（ja）	✅ 支持	翻译目标语言
法语（fr）	✅ 支持	翻译目标语言
德语（de）	✅ 支持	翻译目标语言

注意：多语言字幕翻译功能依赖于本地大模型，翻译质量可能因模型版本和上下文理解能力而有所不同

音乐软件字幕兼容性

软件名称	本地音乐	本地字幕支持	多语言字幕兼容	备注
网易云音乐	支持	支持	兼容
小米音乐	支持	支持	兼容	单语言字幕正常，但多语言字幕进度条会偏快
QQ音乐	支持	不支持	不兼容	只能云搜索歌词
酷狗音乐	支持	不支持	不兼容	只能云搜索歌词
酷我音乐	支持	不支持	不兼容	只能云歌词
汽水音乐	不支持	不支持	不兼容
咪咕音乐	支持	不支持	不兼容
喜马拉雅	不支持	不支持	不支持	不能导入
懒人听书	不支持	不支持	不支持	不能导入
番茄畅听	支持	不支持	不支持	导了两次，导入时不能选文件夹部分导入，卡崩了
蜻蜓FM	不支持	不支持	不支持	不能导入
MacOS Apple Music	支持	不支持	不支持	不能导入 lrc/src 音频

相比之下，目前的商业播放器在本地有声书播放场景上，还是网易云兼容性好点，但网易云的本地音乐没有进度记录或已播放的功能，切回到他的在线音乐之后很难找回进度，这也是想做全平台开源有声书播放器的原因之一

快速开始

注：项目依赖安装和模型下载已配置国内镜像，但 docker 的代理得自行设置，安装速度取决于网速和服务器性能，安装依赖大概15分钟，推理模型下载取决于网速，一般十分钟内

1. 克隆项目仓库：

   git clone https://github.com/LiberSonora/LiberSonora
   

2. 进入项目目录：

   cd LiberSonora
   

3. 启动 Docker 容器：

   docker-compose -f docker-compose.gpu.yml up -d
   

4. 查看容器运行日志：

   docker-compose -f docker-compose.gpu.yml logs -f
   

5. 访问用户界面： 打开浏览器，访问 xxx.xxx.xxx.xxx:8651（将 xxx.xxx.xxx.xxx 替换为您的服务器 IP 地址）

6. API 端点： API 服务可通过 xxx.xxx.xxx.xxx:8652 访问（将 xxx.xxx.xxx.xxx 替换为您的服务器 IP 地址）

开源项目

项目名称	项目地址	用途
ClearerVoice-Studio	https://github.com/modelscope/ClearerVoice-Studio	移除背景音
FFmpeg	https://github.com/FFmpeg/FFmpeg	音频转码
FunASR	https://github.com/modelscope/FunASR	字幕提取
Ollama	https://github.com/ollama/ollama	大模型推理
Qwen2.5	https://github.com/QwenLM/Qwen2.5	大模型推理
MiniCPM	https://github.com/OpenBMB/MiniCPM	大模型推理
Sanic	https://github.com/sanic-org/sanic	对外暴露 API 接口
Streamlit	https://github.com/streamlit/streamlit	页面交互
StreamlitAntdComponents	https://github.com/nicedouble/StreamlitAntdComponents	页面交互，实现步骤条

开发说明

项目主要包含三个核心服务：

1. services/streamlit： 负责提供用户界面和交互功能。

2. clear-voice： 用于音频背景音移除处理。

3. funasr： 处理语音识别和字幕生成。

开发流程

1. 克隆并进入项目目录：

   git clone https://github.com/LiberSonora/LiberSonora
   cd LiberSonora
   

2. 启动开发环境：

   docker-compose -f docker-compose.gpu.yml up -d
   

3. 修改代码：

   • UI 相关修改：更新 services/streamlit 目录下的代码，保存后 UI 会自动刷新。
   • API 相关修改：更新相应服务的代码后，需要重启对应的 Docker 容器：

     docker-compose -f docker-compose.gpu.yml restart {service}
     

     将 {service} 替换为需要重启的服务名（如 streamlit、clear-voice 或 funasr）。

通过以上步骤，您可以方便地进行开发和测试。记得及时提交您的更改并推送到代码仓库。

问题反馈

如果您在使用过程中遇到任何问题或有改进建议，欢迎通过以下方式反馈：

1. 在 GitHub 上提交 Issue：
   • 访问我们的 GitHub Issues 页面
   • 点击 "New Issue" 按钮
   • 选择适当的 issue 模板（如果有）
   • 详细描述您遇到的问题或建议

我们会认真查看每一个 issue，并尽快回复。

Star 历史

开源许可

本项目采用 MIT 许可证。

您可以在项目根目录的 LICENSE 文件中查看完整的许可证文本。