討論 – 开源软件研究

Foliate：功能全面、开源且支持 edge-tts 的Linux电子书阅读器

2024 年 5 月 3 日下午 4:47 #21904

Foliate 是一款开源的电子书阅读器，支持 Linux 桌面环境。它提供了一个现代化且易于使用的界面，支持多种电子书格式。Foliate 是一个功能全面、用户友好的电子书阅读器，适合所有类型的读者，无论是休闲阅读还是学术研究。

作为专为 GNOME 桌面环境优化的阅读应用，Foliate 致力于提供”无干扰”的沉浸式阅读体验。它采用了现代化的 GTK 4 技术栈（自 3.0 版本起），拥有自研的电子书解析器和渲染引擎，这意味着更快的加载速度、更流畅的翻页体验，以及对复杂排版格式的更好支持。

📌 项目信息：

官方网站：https://johnfactotum.github.io/foliate/
GitHub 仓库：https://github.com/johnfactotum/foliate
开源协议：GNU General Public License (GPL)

一、🔧 Foliate 的功能介绍

具体而言，Foliate 的独特功能包括：

📖 格式支持

– 支持多种格式：Foliate 支持 EPUB、Mobipocket（MOBI）、Kindle（AZW/AZW3）、FictionBook（FB2）、漫画档案（CBZ）以及 PDF 等多种格式。

💡 说明：EPUB 是目前开放标准中最主流的电子书格式，而 CBZ 支持使得 Foliate 也可以作为漫画阅读器使用。PDF 支持是 3.0 版本后新增的重要功能。

👀 阅读模式

– 双页浏览模式：用户可以在双页浏览模式下阅读电子书，并提供滚动查看模式。

Foliate 会根据屏幕尺寸智能切换单页或双页视图。具体包含：

分页模式（Paginated）：模拟传统纸质书的翻页体验
滚动模式（Scrolled）：连续滚动浏览，适合长时间阅读
用户可以根据个人习惯随时在两种模式间切换

🎨 自定义阅读体验

– 自定义阅读体验：能够自定义字体、行距、边距和亮度。默认主题包括浅色、棕褐色、深色等多种模式。

高级排版功能包括：

自动断字（Auto-hyphenation）：提升英文等西文排版的美观度
弹出式脚注（Popup Footnotes）：无需跳转即可查看注释
媒体叠加层（Media Overlays）：支持带有嵌入音频的电子书
从右到左（RTL）文本支持：适配阿拉伯语、希伯来语等语言
竖排文本支持：适配日文、中文等东亚语言的传统排版
固定布局书籍支持：保持原版设计排版的电子书

📚 图书馆管理

– 图书馆视图：显示最近的书籍和阅读进度。

3.0 版本中，图书馆功能得到了显著增强：

阅读进度可视化：直观显示每本书的阅读进度百分比
最近阅读排序：快速找到上次阅读的书籍
OPDS 目录支持：可以浏览和下载来自在线 OPDS 书库的电子书（如 Project Gutenberg、Standard Ebooks 等）

✏️ 批注系统

– 书签和注释：用户可以添加书签、高亮文本和添加注释，并能够导出数据或同步它们。

批注数据存储的一大亮点：Foliate 将阅读进度、书签和批注保存为纯 JSON 文件格式。这意味着：

数据完全开放透明，你可以用任何文本编辑器查看和编辑
易于备份和同步，可以配合 Syncthing、Nextcloud 等工具实现跨设备同步
不依赖私有格式，避免供应商锁定

🔍 查找与参考工具

– 查找功能：能够在书中查找文本。

– 字典和翻译：使用维基词典和维基百科查询单词，以及使用谷歌翻译翻译文字。

这些内置的参考工具大大提升了学术阅读和外语学习的效率。选中文本后，可以一键调用这些服务进行查询，无需离开阅读界面。

🔊 文字转语音支持（TTS）

– 文字转语音支持（TTS）：使用 eSpeak NG 和 Festival 等支持文字转语音。

更准确地说，Foliate 的 TTS 功能是通过 Speech Dispatcher 实现的。Speech Dispatcher 是 Linux 下的语音合成调度系统，它可以对接多种 TTS 后端：

eSpeak NG：开源、轻量，支持多语言，但音质相对机械
Festival：经典的语音合成系统
Piper TTS：新一代开源神经网络 TTS，音质接近商业服务
自定义脚本：这正是本课程后续要介绍的 edge-tts 集成方案

📌 TTS 入口位置：将鼠标悬停在页面底部区域可调出导航栏，点击耳机图标即可启用朗读功能。也可以选中文本后从右键菜单选择「从此处开始朗读」。

🌟 GTK 4 带来的性能提升（3.0 版本亮点）

2023 年 11 月发布的 Foliate 3.0 是一次完全的重写，从 GTK 3 迁移到了 GTK 4。这次重大升级带来了：

更快的性能：翻页更流畅、大型书籍加载更快、界面响应更灵敏
重新设计的标题栏：更紧凑、更智能的布局，搜索、目录、设置等常用功能触手可及
自研渲染引擎：不再依赖 WebKitGTK 的某些限制，对电子书格式的支持更加原生
改进的沙箱兼容性：更好地支持 Flatpak 和 Snap 等容器化分发方式

🤝 社区与开发

作为一个开源项目，Foliate 鼓励社区参与，用户可以贡献代码、报告问题或提出新功能建议。Foliate 的开发活跃，定期发布更新和改进，确保用户获得最佳的阅读体验。

你可以通过以下方式参与：

提交 Issue：在 GitHub 上报告 Bug 或提出功能建议
贡献翻译：帮助将 Foliate 翻译成更多语言
代码贡献：Fork 仓库并提交 Pull Request

二、💻 如何安装 Foliate

Foliate 提供多种安装方式，以适应不同用户的需求和偏好：

方式一：APT 包管理器（Debian/Ubuntu 系统）

以 Debian/Ubuntu 系统为例，只需要输入如下命令行即可：

sudo apt install foliate

⚠️ 注意：通过系统软件源安装的版本可能不是最新版。例如，Ubuntu 22.04 LTS 的软件源中可能仍是 2.x 版本。如果你需要 3.0+ 版本的新功能，建议使用下述的 Flatpak 或 Snap 方式安装。

方式二：Flatpak（推荐）

Flatpak 是 Foliate 官方推荐的安装方式，能确保获得最新版本：

# 首先确保系统已安装 Flatpak
sudo apt install flatpak

# 添加 Flathub 仓库（如果尚未添加）
flatpak remote-add --if-not-exists flathub https://flathub.org/repo/flathub.flatpakrepo

# 安装 Foliate
flatpak install flathub com.github.johnfactotum.Foliate -y

📌 沙箱权限提示：Flatpak 应用运行在沙箱环境中，可能无法直接访问本地电子书文件。你可能需要使用 Flatseal 工具来授予文件访问权限。

方式三：Snap

sudo snap install foliate

Snap 版本同样运行在沙箱中，安装简单，适合 Ubuntu 用户。

方式四：PPA（Ubuntu 专用，获取较新版本）

sudo add-apt-repository ppa:apandada1/foliate
sudo apt update
sudo apt install foliate

通过 PPA 可以在 Ubuntu 系统上获得比官方软件源更新的版本。

方式五：其他发行版

Foliate 已被纳入多个主流发行版的官方软件源：

发行版	安装命令
Fedora	`sudo dnf install foliate`
Arch Linux	`sudo pacman -S foliate`
openSUSE	`sudo zypper install foliate`

三、🎙️ 什么是 edge-tts

微软 Edge 浏览器的 edge-tts 是个非常棒的学英语工具，可以在日常阅读英文网页时使用。配合沉浸式翻译，非常有助于高效获取各类日常信息。当然，美中不足的是，edge-tts 还不支持 Xiaoxiao-Multilingual 这类大模型训练的超自然声音。后者已经逼近完美主播了。同时，Edge 浏览器的默认设置非常不隐私友好。

💡 Edge 浏览器内置的免费 TTS 和开源 edge-tts 模块暂不支持完整的 SSML 自定义功能（自 5.0.0 版本起，由于微软的限制，自定义 SSML 支持已被移除）。

与此同时，目前也有基于 edge-tts 的开源 Python 模块，允许用户在不安装微软 Edge 浏览器或使用微软 API 的情况下，通过 Python 代码或提供的命令行工具，使用微软 Edge 浏览器的在线文本转语音服务。这极大地提升了使用的便捷性和隐私性，也便于同其他工具相整合。

📊 edge-tts 技术概览

根据 PyPI 上的信息，截至 2025 年 12 月，edge-tts 的最新版本为 7.2.7。主要特性包括：

特性	说明
语言支持	74 种语言，322 种高质量神经网络语音
输出格式	MP3、WAV 等常见音频格式
字幕生成	支持同步生成 SRT、VTT 字幕文件
语音调节	可调整语速（–rate）、音量（–volume）、音调（–pitch）
异步架构	底层采用异步设计，适合批量处理和 Web 服务集成
Python 版本	要求 Python 3.7 或更高版本

🌐 相关资源：

PyPI 页面：https://pypi.org/project/edge-tts/
GitHub 仓库：https://github.com/rany2/edge-tts

🎤 常用语音推荐

以下是一些广受好评的 edge-tts 语音选项：

中文语音

语音名称	地区	特点
`zh-CN-XiaoxiaoNeural`	中国大陆	女声，温暖亲切，适合新闻和有声书
`zh-CN-YunxiNeural`	中国大陆	男声，成熟稳重
`zh-CN-YunyangNeural`	中国大陆	男声，新闻播音风格
`zh-TW-HsiaoChenNeural`	台湾	女声，适合台湾普通话内容
`zh-TW-HsiaoYuNeural`	台湾	女声
`zh-HK-HiuGaaiNeural`	香港	女声，粤语

英文语音

语音名称	地区	特点
`en-US-AriaNeural`	美国	女声，清晰自然
`en-US-GuyNeural`	美国	男声
`en-US-JennyNeural`	美国	女声，活泼年轻
`en-GB-SoniaNeural`	英国	女声，英式口音
`en-AU-NatashaNeural`	澳大利亚	女声，澳式口音

四、🔌 如何适配 edge-tts

方法学习借鉴自 @Michael Anti，并根据安装过程中遇到的问题简单补充：

步骤 1：安装 edge-tts

将 edge-tts 安装到本地：

pip install edge-tts

如果你的系统中没有 pip，则需要根据提示先安装 pip，命令是：

sudo apt install python3-pip

⚠️ 现代 Linux 发行版（如 Ubuntu 23.04+）可能会阻止通过 pip 直接安装到系统 Python 环境。如果遇到「externally-managed-environment」错误，可以使用虚拟环境：

# 创建虚拟环境
python3 -m venv ~/edge-tts-venv

# 激活虚拟环境
source ~/edge-tts-venv/bin/activate

# 在虚拟环境中安装 edge-tts
pip install edge-tts

使用虚拟环境时，后续脚本中的 edge-tts 命令路径需要调整为 ~/edge-tts-venv/bin/edge-tts。

步骤 2：安装音频播放器

在创建脚本之前，确保系统已安装 VLC 播放器（用于播放 edge-tts 生成的音频流）：

sudo apt install vlc

步骤 3：创建 TTS 脚本

用编辑器新建一个脚本 etts_do.sh：

nano ~/etts_do.sh

脚本内容如下（请根据你的语音偏好修改 --voice 参数）：

#!/bin/bash

# 使用 edge-tts 进行语音合成，通过 VLC 播放
# --voice: 指定语音（可通过 edge-tts --list-voices 查看所有可用语音）
# --file /dev/stdin: 从标准输入读取文本
# cvlc: VLC 的命令行版本，--gain 10 控制音量，--play-and-exit 播放完毕后退出

edge-tts --voice zh-TW-HsiaoYuNeural --file /dev/stdin | cvlc --gain 10 --play-and-exit - &

# 捕获中断信号（Ctrl+C），优雅地终止后台进程
trap 'kill $!; exit 0' INT

# 等待后台进程结束
wait

📌 脚本说明：

--voice zh-TW-HsiaoYuNeural：使用台湾女声，发音清晰。你可以根据阅读内容的语言更换为其他语音
--file /dev/stdin：从标准输入读取文本，这是 Foliate 传递待朗读文本的方式
cvlc：VLC 的无界面命令行版本，不会弹出播放器窗口
--gain 10：音量增益，可根据需要调整（数值越大越响）
trap 命令：确保按 Ctrl+C 或 Foliate 停止朗读时能正确终止进程

设置为可执行：

chmod +x ~/etts_do.sh

🔍 如需查看所有可用语音，可使用命令：

edge-tts --list-voices

此命令会列出所有 322 种可用语音及其语言、地区和性别信息。你可以使用 grep 过滤特定语言：

# 查看所有中文语音
edge-tts --list-voices | grep zh-

# 查看所有英文语音
edge-tts --list-voices | grep en-

步骤 4：在 Foliate 中配置 TTS

打开 Foliate，进入 TTS 设置：

打开任意一本电子书
将鼠标悬停在页面底部，调出导航栏
点击耳机图标（🎧）打开朗读控制
点击设置（齿轮图标），选择「其他（Other）」
在输入框中填入脚本的完整路径，例如：/home/你的用户名/etts_do.sh

⚠️ 注意：必须使用绝对路径，不能使用 ~ 简写。

步骤 5：测试与排错

配置完成后，在 Foliate 中尝试朗读。如果没有声音，请按以下步骤排查：

检查脚本可执行权限：

ls -la ~/etts_do.sh
# 应该看到 -rwxr-xr-x 或类似的权限

手动测试脚本：
```
echo "这是一个测试" | ~/etts_do.sh
```
如果能听到声音，说明脚本本身没问题

检查 edge-tts 是否正常工作：

edge-tts --voice zh-CN-XiaoxiaoNeural --text "测试语音合成" --write-media test.mp3
mpv test.mp3  # 或用 vlc test.mp3 播放

检查 VLC 是否已安装：

which cvlc
# 应该输出 /usr/bin/cvlc 或类似路径

如果使用虚拟环境，确保脚本中使用的是虚拟环境中的 edge-tts 完整路径

五、🎯 高级配置与替代方案

📝 多语言自动切换脚本（进阶）

如果你经常阅读多种语言的书籍，可以创建一个更智能的脚本来自动检测语言并选择对应的语音：

#!/bin/bash

# 读取输入文本
TEXT=$(cat /dev/stdin)

# 简单的语言检测：检查是否包含中文字符
if echo "$TEXT" | grep -qP '[\p{Han}]'; then
    VOICE="zh-CN-XiaoxiaoNeural"
else
    VOICE="en-US-AriaNeural"
fi

echo "$TEXT" | edge-tts --voice $VOICE --file /dev/stdin | cvlc --gain 10 --play-and-exit - &

trap 'kill $!; exit 0' INT
wait

🔧 其他 TTS 方案对比

如果你对 TTS 有更高的要求，以下是一些替代方案的对比：

方案	优点	缺点	适用场景
edge-tts	免费、音质好、中英文优秀	需要联网、依赖微软服务	日常阅读、英语学习
Piper TTS	完全本地、开源、神经网络音质	需要下载模型（每个约 50-100MB）	离线使用、隐私优先
eSpeak NG	轻量、支持语言最多	音质机械	辅助功能、嵌入式设备
NaturalReader	商业级音质	付费服务	专业有声书制作

💡 Piper TTS 推荐：如果你希望完全离线且保护隐私，Piper 是目前最佳的开源神经网络 TTS 选择。它可以通过 Speech Dispatcher 与 Foliate 集成，音质接近商业服务，且完全在本地运行。详细配置可参考 Arch Wiki – Speech Dispatcher。

六、📌 总结与最佳实践

通过以上部署，我们就得到了一个基于开源隐私环境的 TTS 阅读器，这是目前的最佳实践了。如果不在意隐私，也不想麻烦，关于 TTS 阅读功能，也可以尝试 NaturalReader 等付费 TTS 阅读工具。

🏆 本课程方案的优势总结：

优势	说明
开源生态	Foliate + edge-tts 均为开源软件，代码透明可审计
隐私保护	不依赖专有浏览器，不收集阅读行为数据
高质量语音	使用微软神经网络语音，音质接近真人朗读
成本为零	全部软件免费使用，无需订阅付费
可定制性	可根据需求更换语音、调整参数、编写自动化脚本
跨语言支持	322 种语音覆盖 74 种语言，满足多语言阅读需求

📚 延伸学习建议：

探索 Piper TTS 实现完全离线的神经网络语音合成
学习 Speech Dispatcher 的高级配置
尝试将 edge-tts 与其他工具整合，如 Obsidian、Anki 等

📖 参考资料：

抱歉，回覆主題必需先登入。