如何使用 Thorium Reader:免费开源的跨平台 EPUB 阅读神器
Thorium Reader 是一款专为 Windows、macOS 和 Linux 系统打造的免费开源 EPUB 阅读器,支持从本地目录或 OPDS 订阅源导入电子书,提供自定义阅读布局、书签管理、目录导航等功能,尤其注重视障用户的无障碍体验,兼容 NVDA、JAWS 和 Narrator 等辅助工具。无论是个人阅读、教育学习还是图书馆资源访问,这款工具都能满足你对电子阅读的核心需求。
📚 为什么选择 Thorium Reader?核心优势解析
1. 全平台覆盖,无缝阅读体验
Thorium Reader 打破系统壁垒,完美支持 Windows 10/10S、macOS 和 Linux 操作系统,让你在不同设备间轻松同步阅读进度,随时随地享受沉浸式阅读。
2. 无障碍设计,人人可及的阅读工具

Thorium Reader 阅读器界面展示,支持屏幕阅读器和键盘导航,为视障用户提供平等阅读体验
开发团队特别关注无障碍功能,通过优化屏幕阅读器兼容性、高对比度模式和键盘快捷键,确保视觉障碍用户也能流畅使用所有功能,真正实现“阅读无边界”。
3. 灵活的电子书管理与导入
- 本地文件导入:直接添加 EPUB 格式电子书到个人图书馆
- OPDS 订阅源支持:连接图书馆或出版社的 OPDS 目录,一键获取海量数字资源
- 自定义分类:通过标签和收藏功能,轻松整理你的电子书架

Thorium Reader 图书馆界面,直观展示已导入的电子书,支持分类和快速检索
4. 开源免费,无广告干扰
作为开源项目,Thorium Reader 完全免费使用,无任何广告弹窗和数据收集行为。你可以放心阅读,专注于内容本身,无需担心隐私泄露或付费陷阱。
🔧 技术架构:现代技术栈打造稳定体验
Thorium Reader 基于 Readium Desktop 工具包开发,采用以下技术构建:
- Electron:跨平台桌面应用框架,确保在不同操作系统上的一致性
- TypeScript & React:强类型语言与组件化 UI 开发,提升代码质量和可维护性
- Redux & Redux-Saga:高效状态管理与异步流程控制,保障应用稳定性
- i18next:多语言支持框架,已覆盖 25 种语言界面

Thorium Reader 的 MVC 架构设计,清晰分离数据、视图与业务逻辑
🚀 适用场景:从个人阅读到教育场景
个人阅读爱好者
- 自定义字体、字号、背景色,打造个性化阅读环境
- 书签和笔记功能,轻松标记重点内容
- 夜间模式自动切换,保护眼睛健康
教育与学术研究
- 支持教材、论文等 EPUB 文档阅读,适配学术阅读需求
- 多语言界面切换,适合国际教育环境
- 兼容学校图书馆的 OPDS 资源目录,便捷获取教学材料
图书馆与出版行业
- 通过 OPDS 协议向用户提供电子书服务
- 支持 LCP 基础加密格式,保护正版内容权益
- 可定制化界面,满足机构品牌展示需求
💡 快速开始:3 步安装使用指南
-
克隆项目仓库
git clone https://gitcode.com/gh_mirrors/th/thorium-reader -
安装依赖
进入项目目录,执行以下命令安装所需依赖:npm install -
启动应用
根据操作系统选择对应的打包脚本,例如 Linux x64 用户执行:./package-linux_x64.sh
📝 结语:拥抱开源阅读的未来
Thorium Reader 不仅是一款功能全面的 EPUB 阅读器,更是开源社区推动数字阅读平等化的重要成果。它以用户需求为核心,兼顾易用性与技术创新,为全球读者提供了一个无门槛、高质量的阅读解决方案。无论你是普通用户、教育工作者还是开发者,都可以加入这个项目,共同探索电子阅读的更多可能。
立即下载体验,开启你的高效数字阅读之旅吧!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00