PDF2Audio：PDF 到音频播客转换器-AI应用

1 摘要

此代码可用于将 PDF 转换为音频播客、讲座、摘要等。它使用 OpenAI 的 GPT 模型进行文本生成和文本到语音的转换。您还可以编辑草稿记录（多次）并提供具体评论或有关如何调整或改进它的总体指示。

2 特征

• 上传多个 PDF 文件
• 从不同的教学模板（播客、讲座、摘要等）中进行选择
• 自定义文本生成和音频模型
• 为说话者选择不同的声音
• 通过具体或一般性评论对草稿进行迭代，和/或对记录进行编辑，并对模型进行具体反馈以进行改进

3 在 Colab 中使用

4 本地安装

按照以下步骤使用 Conda 在本地机器上设置 PDF2Audio：

1. 克隆存储库：git clone https://github.com/lamm-mit/PDF2Audio.git cd PDF2Audio
2. 安装 Miniconda（如果还没有）：
   • 从Miniconda 网站下载安装程序
   • 按照操作系统的安装说明进行操作
   • 验证安装：
   conda --version
3. 创建一个新的 Conda 环境：conda create -n pdf2audio python=3.9
4. 激活 Conda 环境：conda activate pdf2audio
5. 安装所需的依赖项：pip install -r requirements.txt
6. 设置您的 OpenAI API 密钥：.env在项目根目录中创建一个文件并添加您的 OpenAI API 密钥：OPENAI_API_KEY=your_api_key_here

5 运行应用程序

要运行 PDF2Audio 应用程序：

1. 确保您位于项目目录中并且您的 Conda 环境已激活：conda activate pdf2audio
2. 运行启动 Gradio 界面的 Python 脚本：python app.py
3. 打开您的网络浏览器并转到终端提供的 URL（通常为http://127.0.0.1:7860）。
4. 使用 Gradio 界面上传 PDF 文件并将其转换为音频。

6 如何使用

1. 上传一个或多个 PDF 文件
2. 选择所需的指令模板
3. 如果需要，可自定义说明
4. 单击“生成音频”来创建您的音频内容

7 通过🤗 Hugging Face Spaces 访问

lamm-mit/PDF2Audio

8 示例结果

您的浏览器不支持音频元素。

9 笔记

此应用程序需要 OpenAI API 密钥才能运行。

10 致谢

该项目的灵感来自于https://github.com/knowsuchagency/pdf-to-podcast和https://github.com/knowsuchagency/promptic上提供的代码，并以其为基础。

@article{ghafarollahi2024sciagentsautomatingscientificdiscovery,
    title={SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning}, 
    author={Alireza Ghafarollahi and Markus J. Buehler},
    year={2024},
    eprint={2409.05556},
    archivePrefix={arXiv},
    primaryClass={cs.AI},
    url={https://arxiv.org/abs/2409.05556}, 
}
@article{buehler2024graphreasoning,
    title={Accelerating Scientific Discovery with Generative Knowledge Extraction, Graph-Based Representation, and Multimodal Intelligent Graph Reasoning},
    author={Markus J. Buehler},
    journal={Machine Learning: Science and Technology},
    year={2024},
    url={http://iopscience.iop.org/article/10.1088/2632-2153/ad7228},
}