Mehr erfahren
Warum Leute nach einem Open-Source-Hörbuchgenerator suchen
Leute suchen aus gutem Grund nach einem Open-Source-Hörbuchgenerator: Er ist kostenlos, der Text muss den Computer nie verlassen, und sie können die Funktionsweise ändern. Suchen Sie auf GitHub nach einem KI-Hörbuchgenerator, finden Sie eine aktive Sammlung von Projekten, die EPUB in ein Hörbuch verwandeln, und die dahinterstehenden offenen Stimmmodelle haben sich schnell verbessert.
Diese Seite stellt die Projekte zusammen, nach denen tatsächlich gesucht wird, was jedes benötigt und was es produziert – basierend auf READMEs, Lizenzdateien und Modellkarten, geprüft am 21. Oktober 2026. Dann beleuchtet sie ehrlich jeden Weg: lokal und kostenlos oder gehostet mit automatischer Besetzung.
Die wichtigsten Projekte auf GitHub
ebook2audiobook ist das umfassendste. Es akzeptiert EPUB, MOBI, PDF, DOCX, TXT und mehr, gibt standardmäßig M4B mit Kapiteln und Metadaten aus und wechselt zwischen Engines wie XTTSv2, Bark, VITS und Tortoise, mit optionalem Voice-Cloning. Es läuft auf CPU oder GPU über eine lokale Web-Oberfläche, Docker oder Colab. Der Code ist Apache-2.0, die neueste Version erschien am 5. Oktober 2026.
audiblez macht eine Sache: EPUB rein, M4B raus, gelesen von Kokoro mit einer einzigen Stimme, wobei ffmpeg das Verpacken übernimmt. abogen nimmt EPUB, PDF, TXT, Markdown und Untertiteldateien und exportiert MP3, FLAC, WAV oder M4B mit Kapiteln sowie Untertiteln und hat eine Einstellung, die Kokoro offline hält. Beide sind MIT-lizenziert. epub_to_audiobook schreibt eine MP3 pro Kapitel für Audiobookshelf, mit Azure-, OpenAI- oder Edge-Stimmen online oder Piper und Kokoro lokal.
Stimmen: Kokoro, Piper, XTTS und Edge TTS
Kokoro ist die Stimme, die die meisten dieser Tools teilen: audiblez, abogen und Audiobook Creator nutzen sie alle, daher ist ein Kokoro-TTS-Hörbuch der übliche Ausgangspunkt. Es ist ein offenes Modell mit 82 Millionen Parametern, veröffentlicht unter Apache-2.0, was kommerzielle Nutzung erlaubt. Piper ist eine schnelle lokale Engine: Das aktuelle Repository piper1-gpl steht unter GPL-3.0 und sucht laut eigener Aussage Maintainer, und jede Piper-Stimme wird mit eigener Modellkarte und Lizenz ausgeliefert, einige davon restriktiv.
Coquis XTTS-v2 kann eine Stimme aus einem sechssekündigen Clip in 17 Sprachen klonen, aber die Coqui Public Model License erlaubt nur die nicht-kommerzielle Nutzung des Modells und seiner Ausgabe. Und ein Edge-TTS-Hörbuch ist überhaupt nicht lokal: Die README von edge-tts besagt, dass es den Online-Text-to-Speech-Dienst von Microsoft Edge nutzt, obwohl der Code selbst Open Source ist.
Figurenstimmen: Wer versucht Sprecherzuordnung
Die meisten Projekte lesen das ganze Buch mit einer Stimme. ebook2audiobook kann Stimmen wechseln, aber Sie markieren die Passagen selbst mit Voice-Tags. Audiobook Creator ist das Projekt, das es automatisch versucht: Ein Sprachmodell, das Sie über eine beliebige OpenAI-kompatible API betreiben, listet zuerst die Figuren mit Alter und Geschlecht auf, ordnet dann jede Zeile zu, und das Tool weist Stimmen nach Geschlecht zu. Die README empfiehlt ein Kontextfenster von mindestens 20.000 Token.
Das ist das Problem, das FullCastBook auf seinen Servern löst. Nehmen Sie eine Zeile wie OFFICER REYES: [firm, tired] Step away from the car. Ein Ein-Stimmen-Tool liest sie wie die Erzählung drumherum; eine volle Besetzung gibt Reyes ihre eigene Stimme und behält sie für den Rest des Buches.
Einrichtung, Hardware und Zeit pro Buch
Rechnen Sie mit Python oder Docker, ffmpeg für M4B (calibre für Audiobook Creator) und etwas Kommandozeilenarbeit. Eine GPU ist für die meisten Projekte optional, ändert aber die Wartezeit. Die README von audiblez berichtet von etwa 600 Zeichen pro Sekunde auf einer Colab-T4-GPU und etwa 60 pro Sekunde auf der CPU eines M2 MacBook Pro. Nach unserer Rechnung sind 80.000 Wörter etwa 470.000 Zeichen, also rund 13 Minuten auf dieser GPU oder zwei bis drei Stunden auf dieser CPU, bevor irgendwelche Neuaufnahmen anfallen.
Die Hardware-Unterstützung variiert je nach Projekt. Audiobook Creator gibt an, dass Apple-Silicon-GPUs nicht unterstützt werden, ebook2audiobook listet Apples MPS neben CUDA und ROCm, und abogen unterstützt AMD-GPUs nur unter Linux. Wenn Sie lieber ein kostenloses gehostetes Modell manuell ausprobieren möchten, sehen Sie sich die Google AI Studio Hörbuch-Anleitung an.
Wo eine gehostete volle Besetzung Arbeit spart
FullCastBook tauscht die kostenlosen und Offline-Teile gegen weniger Arbeit. Es gibt nichts zu installieren: Laden Sie eine EPUB-, eine PDF-Datei mit Textebene, eine DOCX-, TXT- oder Markdown-Datei hoch, und Kapitel und Sprecher werden für Sie erkannt. Jede Figur erhält eine eigene Stimme neben dem Erzähler, Sie können eine Zeile mit [whisper] oder [sigh] regieanweisen, eine einzelne Zeile statt eines ganzen Kapitels neu generieren und ein M4B mit Kapitelmarkierungen, eine einzelne MP3 oder ein ZIP der Kapitel exportieren.
Open Source gewinnt weiterhin bei Kosten, Datenschutz und Kontrolle. Es läuft offline, ist über Ihre Hardware hinaus kostenlos, Sie können den Code lesen und ändern, und ebook2audiobook kann eine Stimme klonen, was wir nicht anbieten. Ihr Text bleibt außerdem auf Ihrem Rechner; bei FullCastBook wird er an unsere Stimmanbieter gesendet, Google Gemini TTS für Standardstimmen und ElevenLabs für Premium-Stimmen.
Welchen Weg wählen
Wählen Sie einen lokalen KI-Hörbuchgenerator, wenn Sie mit Python oder Docker vertraut sind, kostenlos eine gute Stimme möchten oder alles offline benötigen – und prüfen Sie die Lizenz der Stimme, bevor Sie etwas verkaufen. Wählen Sie ein gehostetes Full-Cast-Studio, wenn das Buch dialoglastig ist, Sie keine Toolchain pflegen möchten oder Kapitel und Figurenstimmen an einem Ort verwalten wollen, im Hörbuch-Studio.
Für das weitere Umfeld, einschließlich Sprachstudios und Store-Programmen, siehe den Leitfaden Beste TTS für Hörbücher; für das Format selbst den M4B-Hörbuch-Generator.





