是的 - 將 PDF 轉換為音訊是一個兩步驟過程：提取文本，然後透過文字轉語音來運行它。該技術已顯著改進，並且結果可用於大多數用途，儘管根據 PDF 的創建方式以及您使用的文字轉語音引擎的不同，體驗會有很大差異。
為什麼沒有直接PDF到音訊的轉換
PDF 不包含音訊資料 - 它們包含文字、圖像和佈局資訊。將 PDF 轉換為音訊意味著從 PDF 中提取文本，然後從該文本合成語音。這是兩個獨立的操作，這就是為什麼沒有工具可以一步將 PDF 直接轉換為 MP3：它總是涉及文字擷取，然後是文字轉語音合成。
輸出的品質在很大程度上取決於文字擷取的品質。具有乾淨、結構正確的文字的 PDF 會產生自然流動的音訊。掃描影像、文字編碼損壞或使用異常格式的 PDF 會產生帶有錯誤的音訊 — 誤讀單字、亂讀片段或亂碼段落。
使用內建作業系統文字轉語音
Mac 上最簡單的方法：開啟 PDF，選擇所有文字 (Cmd+A)，前往編輯 → 語音 → 開始說話。 Mac 內建的文字轉語音功能會大聲朗讀所選內容。這不是您可以保存的音訊檔案 - 它是即時播放 - 但如果您可以在做其他事情的同時收聽 PDF ，則無需任何其他工具即可使用。
在 Windows 上，當文件在 PDF 檢視器中開啟時，講述者（內建螢幕閱讀器）可以大聲朗讀 PDF 內容。開始閱讀的快速鍵是 Ctrl+Windows+Enter。再次強調，這是即時播放，而不是可以儲存的檔案。
從 PDF 文字建立音訊檔案
要產生可以離線收聽或共享的實際音訊檔案（MP3、M4A、WAV），工作流程是：從 PDF 中提取文本，將其貼上到文本轉語音服務中，然後下載音訊輸出。有幾個服務直接處理這個問題。
Natural Reader、Speechify 和 Balabolka（Windows，免費）接受文字輸入並匯出音訊檔案。 Google 的文字轉語音 API 和 Amazon Polly 以程式設計方式產生高品質、自然的音訊。對於完整的 PDF，請逐章或逐節複製文本，轉換每個部分，並根據需要加入音訊檔案。
PDF 必須有選用文字
僅當 PDF 具有真實文字圖層時，文字擷取才有效。對於僅包含影像的掃描 PDF，請先執行 OCR PDF 以新增可搜尋文字層，然後繼續進行文字擷取和音訊轉換。如果沒有 OCR，文字轉語音系統就無法讀取任何內容——檔案中沒有文本，只有像素。
快速測試：嘗試在 PDF 中選擇一個句子。如果單字突出顯示，則表示文字圖層存在。如果選擇頁面的矩形區域，則它只是圖像，並且需要 OCR 才能進行音訊轉換。
預期的限制
即使具有乾淨的文字擷取和良好的文字到語音轉換功能，PDF 到音訊的轉換也存在已知的限制。表格和圖形不會有意義地轉換為音訊 - 讀取表格的文字轉語音引擎會按文件順序逐個單元格讀取，這通常聽起來像是隨機的數字列表。如果腳註和側邊欄以這種方式放置在 PDF 的文字圖層中，則可以在句子中間閱讀。數學符號、化學公式和代碼塊讀取為單個字符，而不是有意義的內容。
對於敘述性文字（文章、報告、書籍、提案），音訊轉換效果很好，並且輸出確實可以聆聽。對於結構化或技術性很強的文檔，與直接閱讀文檔相比，音訊可能需要更多的關注。