🎬 视频配音与字幕合成工具

将一段文本自动转为自然语音，合成到视频中，并叠加同步字幕。

why develop this tool

市面上的软件都要钱，这就用AI顺手开发一个简单的视频语音合成；

功能特性

• 🎤 文本转语音 — 基于微软 Edge TTS，免费、中文自然度高
• 📝 自动生成字幕 — 利用 TTS 引擎返回的字级时间戳，生成精确 SRT 字幕
• 🎞️ 视频合成 — 替换原声、叠加字幕，一条命令完成
• 🗣️ 11 种中文语音 — 男声 / 女声多种风格可选

文件结构

video-dub/
├── main.py          # 主程序
├── README.md        # 本文件
└── assets/          # 资源目录

运行方式

# 基本用法
python main.py demo.mp4 "欢迎收看本期视频，今天我们来聊聊..."

# 从文本文件读取
python main.py demo.mp4 script.txt

# 指定语音和输出
python main.py demo.mp4 script.txt --voice yunyang --output final.mp4

操作说明

参数	说明
<视频路径>	输入视频文件（支持 mp4 / avi / mov 等）
<文本>	要配音的文本内容，或文本文件路径
--voice <名称>	选择语音角色，默认 xiaoxiao
--output <路径>	指定输出文件路径，默认为 原文件名_dubbed.mp4
--list-voices	列出所有可用语音
-h / --help	显示帮助

可用语音

名称	风格	TTS ID
xiaoxiao	女声·活泼	zh-CN-XiaoxiaoNeural
yunyang	男声·稳重	zh-CN-YunyangNeural
xiaoyi	女声·可爱	zh-CN-XiaoyiNeural
yunxi	男声·阳光	zh-CN-YunxiNeural
xiaomei	女声·甜美	zh-CN-XiaomeiNeural
xiaohan	女声·知性	zh-CN-XiaohanNeural
xiaochen	女声·温柔	zh-CN-XiaochenNeural
xiaomo	女声·温婉	zh-CN-XiaomoNeural
xiaorui	女声·利落	zh-CN-XiaoruiNeural
xiaoxuan	女声·优雅	zh-CN-XiaoxuanNeural
yunye	男声·成熟	zh-CN-YunyeNeural

处理流程

文本 ──[edge-tts]──→ MP3 音频 + SRT 字幕
                         │
视频 ────────────────────┼──[moviepy]──→ 输出视频（新音频 + 字幕叠加）

1. 调用微软 edge-tts 在线接口，将文本合成为语音，同时返回每个词的时间边界
2. 根据时间边界自动生成 SRT 字幕文件
3. 用 moviepy 加载视频，替换音频轨道，将字幕渲染到底部
4. 输出最终合成视频

技术栈

• Python 3.13+
• edge-tts — 微软免费在线 TTS 引擎
• moviepy — 视频编辑与合成
• Pillow — 字幕文字渲染

开发信息

• 开发者: 华之（AI 助手）
• 日期: 2026-06-01
• 版本: v1.0