Libratory とは？所有PDFをオフラインでM4Bオーディオブックに変換する完全ガイド

通勤中に学術論文を耳で聴きたい、技術書を読み上げてもらいながら作業したい——そんな需要に答えるのが Libratory です。手元のPDFをチャプター付きM4Bオーディオブックに変換するオープンソースツールで、クラウドに一切データを送らずに、Apple Silicon Mac・Linux・Dockerだけで完結します。

GitHub スター数は79（2026年9月時点）と控えめですが、機能密度は商用ツールを凌ぐほど高く、2026年9月14日にもリリースが行われた活発なプロジェクトです。

Libratory とは

Libratory（リブラトリー）は、library（図書館）と laboratory（実験室）を合わせた名前のとおり、PDFを中心とした書籍処理のためのワークベンチです。単なるPDF読み上げツールではなく、次の機能群を1アプリで提供します。

PDF → チャプター付きM4Bオーディオブック変換
ローカルTTS（GPU/CPU）による音声合成
AI による OCR クリーンアップ・翻訳・リライト
全蔵書横断のライブラリチャット（RAG）
読み上げ同期リードアローン（ページ上で読んでいる一文がハイライト）
JSON API と MCP サーバー（スクリプト・AIエージェント連携）

オフラインファーストが最大の特徴です。クラウドは完全にオプトインであり、APIキーなしでも Ollama や LM Studio をローカル自動検出して動作します。書籍データや音声がクラウドに流出する心配がありません。

主要機能の詳細

PDF → M4B オーディオブック変換

チャプター検出は見出し・番号・ページ形状から自動で行われ、AIモデルによる目次読み取りを有効にすることもできます。変換結果はチャプターマーカー付きの M4B 形式で出力されるため、iPhone・Android どちらのプレーヤーでもチャプタージャンプが可能です。

OCRが必要なスキャンPDFにも対応：

Tesseract（高速・標準品質）
Surya（曲がったページや色あせたページに強い）
クラウド Vision API（DeepSeek Flash 等）：1ページあたり約0.01セント

「1ページ試す」ボタンで複数エンジンの結果を並べて確認してから決定できます。

ローカルTTS とボイス選択

エンジン	特徴
Kokoro	高品質・Apple Silicon/Linux 対応
Pocket TTS	ボイスクローン機能あり（20秒の録音で自分の声を複製）
Cartesia / ElevenLabs	クラウドオプション（APIキー必要）

英語以外の言語パックも数メガバイトのワンクリックダウンロードで追加できます。

AI 翻訳・リライト

1チャプター単位で翻訳・リライトを実行できます。プリセット（ELI5・要約・サンプル充実版）またはカスタムプロンプトから選択可能。元のテキストは常に保持されるため、上書きリスクがありません。

# Docker での起動例
docker compose up
# → ブラウザで http://localhost:3000 にアクセス

ライブラリチャット（RAG）

全蔵書をまたいで内容検索できる /chat 機能は、ローカルの BGE-M3 埋め込みを使ったハイブリッド全文検索＋セマンティック検索です。英語で質問してブルガリア語の段落を見つけるなどクロスランゲージ対応。回答にはクリックできる引用チップが付き、PDFの該当ページを直接開けます。

MCP サーバー対応

Libratory には MCP サーバーが内蔵されており、Claude などのAIエージェントからライブラリ操作が可能です。PDFパスを渡すだけでオーディオブックが返ってくる形の自動化も実現できます。

ElevenLabs・Adobe Acrobat との違い・なぜ今このツールか

市場には複数のPDF→音声変換ツールが存在しますが、Libratory との違いは明確です。

ElevenLabs の Reader は高品質音声を提供しますが、クラウド処理でデータが外部に送られます。Libratory はオフラインファースト設計でプライバシーを保護します
Adobe Acrobat の読み上げ機能 はシンプルですが、チャプターマーカー付き M4B 出力・翻訳・RAGチャットといった機能はありません
2026年に Libratory が注目される背景 として、ローカルLLM（Ollama/LM Studio）の普及、プライバシー意識の高まり、学術コミュニティでのPDF扱いの増加が挙げられます

特に「自分の声でオーディオブックを作れる Pocket TTS ボイスクローン」は唯一無二の機能です。

こんな人に向いている

研究者・大学院生

大量の英語論文PDFを抱える研究者にとって、Libratory は理想的なツールです。通勤・家事の時間に論文を耳で聴け、さらに RAG チャットで「この3本の論文の共通点は？」という質問を日本語でできます。既存の論文管理ツール（Zotero 等）との併用が特に有効です。

技術書を積んでいるエンジニア

O'Reilly や Manning の技術書 PDF を持つバックエンドエンジニアやフルスタックエンジニアが、「読もうと思って手つかずだった本」をオーディオブックにして消化するのに最適です。作業中に耳で流しながら理解を深めるスタイルで学習効率が上がります。

言語学習者

翻訳機能と合わせて、「英語PDFを日本語に翻訳してから音声化」または「英語のまま聴いて日本語字幕付きのリードアローンで確認」という使い方ができます。語学学習の副読本として最適なワークフローを構築できます。

使う前に知っておきたいこと

ライセンス：PolyForm Noncommercial

Libratory は PolyForm Noncommercial 1.0.0 ライセンスです。個人利用・学術利用・非商用目的は無料ですが、商用目的（クライアント業務への利用、社内業務での提供等）には別途商用ライセンスが必要です。オープンソースではありますが MIT や Apache ではないため、ビジネス利用時は事前に確認してください。

動作環境

環境	要件
macOS	Apple Silicon（M1以降）推奨
Linux	x86_64 または arm64（CPU のみでも動作）
Docker	ヘッドレスサーバーに対応
Windows	非対応（Docker 経由なら動作の可能性あり）

GPU は必須ではありませんが、TTS 生成速度は GPU 利用時に大幅に向上します。

ストレージとメモリ

ローカルTTSモデル・OCRモデル・埋め込みモデルをダウンロードするため、数GBのディスク空き容量が必要です。Dockerイメージ含め初回セットアップには時間がかかります。

インストールと使い始め方

macOS（Homebrew Cask）

brew install --cask libratory

Linux / Docker（推奨）

git clone https://github.com/subev/libratory.git
cd libratory
docker compose up

ブラウザで http://localhost:3000 にアクセスするとUI が起動します。環境変数は .env.example を参考に設定してください。

PDF を追加してオーディオブックを作る

UI 上部の「Add book」からPDFをアップロード
数秒でテキスト即時利用可能（OCR はオプション）
チャプター一覧で「Synthesize」をクリック
全チャプター合成完了後、M4B をダウンロード

まとめ

Libratory は、自分が所有する PDF を完全ローカルでオーディオブックに変換できる唯一に近いオープンソースツールです。PolyForm Noncommercial ライセンスによる個人・学術利用の無償提供、ボイスクローン機能、MCP サーバー対応など、2026年の AI ツール進化を取り込んだ設計が光ります。論文をたくさん抱える研究者、積読技術書を消化したいエンジニア、言語学習者に特に強くおすすめできます。

GitHub: subev/libratory
Stars: ⭐ 79（2026年9月時点）
ライセンス: PolyForm Noncommercial 1.0.0

この技術を学ぶ

AI・ローカルLLM に興味を持った方には、Udemy のオンラインコースもおすすめです。

🎓 関連する AI コース一覧 — セール時（最大90%OFF）を狙うとお得です

Libratory とは？所有PDFをオフラインでM4Bオーディオブックに変換する完全ガイド