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

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

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

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

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。

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。