免费批量配音与字幕工作流-从字幕稿到成片旁白：Edge TTS 语音合成助手 v1.7.0
做短视频、课程讲解、影视解说、产品介绍或自媒体内容时，真正耗时间的往往不是剪辑，而是把字幕稿变成能用的旁白，再让音频、字幕和剪辑时间线互相对齐。很多在线工具只能导出一段音频，字幕还得重新切；文件一多，重复操作更明显。
Edge TTS 语音合成助手 v1.7.0 是一款免费开源的 Windows 桌面工具，围绕“字幕稿 → 旁白音频 → 字幕和时间轴”的完整流程设计。它基于 Microsoft Edge 在线语音，不需要 API Key，支持中文、英语、日语等多种语言和大量音色，适合字幕制作、AI 音频配音、文字转 AI 音频、视频旁白、短视频批量制作和课程讲解。
不只是一段音频，而是完整的字幕制作流程
很多文字转语音工具解决的问题是“把字读出来”，但视频制作还需要继续处理：
- 一句话什么时候开始，什么时候结束；
- 字幕和音频是否完全对齐；
- 每行之间的停顿是否自然；
- 批量文稿能不能一次生成；
- 多个文件的音色、字幕和时间轴能不能分别设置；
- 生成完成后能不能直接打包进入剪辑软件。
Edge TTS 语音合成助手把这些步骤放在同一个 Windows 界面里完成。生成一次后，可以反复试听、保存音频、导出 SRT 字幕和时间轴 JSON，不需要重新合成。
普通模式：粘贴文稿，直接生成旁白
普通模式适合文章、旁白、口播稿和完整脚本。把文字粘贴到左侧输入框，选择语言、性别和音色，点击“生成音频”，就能得到一段完整 MP3。
需要字幕或时间轴时，可以勾选：
- 时间轴 JSON + 试听高亮：保存时打包 MP3 和
.timeline.json，每句话都有开始和结束时间； - 生成 SRT 字幕：字幕时间跟随最终音频，不用再手工估算；
- 句间停顿：单独控制句子之间的静音，不改变人声语速。
试听时，正在朗读的句子会在原文中实时高亮，适合字幕校对、视频定位和语言跟读。
逐行模式：适合短视频、影视解说和字幕脚本
逐行模式面向“一行一条字幕”或“一行一段旁白”的工作方式。每个非空行会生成一个独立音频，空行自动忽略。
这个模式适合：
- 短视频逐句配音；
- 影视解说和混剪旁白；
- 分镜脚本配音；
- 课程字幕和跟读素材；
- 需要逐行导出 SRT 的剪辑流程。
开启行末停顿后，软件会精确改写每一行之间的静音；开启“填充行末停顿（字幕无空隙）”后，导出的 SRT 可以首尾相接，导入剪辑软件时时间轴不再出现空白。
逐页模式：章节、镜头和课程批量导出
逐页模式适合章节、镜头、课程段落和长篇文档。支持导入 txt、md、docx、pdf，在 TXT 中用单独一行的 [分页] 标记分隔内容，每一页生成一个独立音频。
导入后可以逐页检查、修改，再批量生成并导出。PPT 旁白、课程讲义、电子书分段试听和视频分镜都可以用这种方式整理。
v1.7.0 批量上传：把重复配音变成一次任务
v1.7.0 新增了普通模式的内嵌“批量上传”。点击“批量上传”后，可以拖入或选择多个 txt / md / docx / pdf 文件，原输入框会切换成文件列表。
列表会显示每个文件的序号、文件名、音色、字数和生成进度。点击任意一行后，右侧的音色、句间停顿、标点、SRT、时间轴、语速、音量、音调只作用于当前选中的文件。
这一版还支持文本规则标记。可以在文件第一行写入音色、停顿、字幕、时间轴等设置，导入时自动应用，并在合成前过滤掉这一行。例如：
{tts:zh-CN-XiaoxiaoNeural|srt=1|json=1}
批量生成时，已完成的项目会保留，重试只处理未完成项，不会重复合成。全部完成后可以打包下载；也可以在进度达到 100% 后，右键单个文件下载独立 ZIP。每个压缩包可以包含音频、SRT、时间轴 JSON 和批量清单。
对于需要连续产出视频的创作者，这比一个文件一个文件地粘贴、生成、改名和导出更省时间。
时间轴、字幕和剪辑对齐
Edge TTS 语音合成助手比较适合剪辑工作流的地方，是它不只导出音频。
开启时间轴后，保存的 ZIP 可以包含：
speech.mp3
speech.timeline.json
时间轴 JSON 记录每句话的文本、开始秒数和结束秒数，可以继续转换成字幕、章节标记或剪辑对齐信息。SRT 字幕则可以直接导入常见的视频剪辑软件。
如果制作的是逐行字幕视频，还可以让 SRT 填充行末停顿，让上一行字幕持续到下一行开始，避免字幕之间出现不必要的空隙。
多语言和三级音色选择
软件会按“语言 → 性别 → 音色”三级整理可用语音，中文、粤语、英语、日语等多种语言可以快速筛选，不需要在几百个音色中反复查找。
语音来自 Microsoft Edge 在线语音服务，官方版本不需要注册账号，也不需要填写 API Key。生成前会检测服务连接和代理环境；遇到临时限流或网络异常时，会给出对应提示。
适合哪些用户
- 视频剪辑和后期制作：快速生成旁白、字幕和时间轴；
- 短视频和自媒体创作者：批量处理口播稿、解说稿和分镜脚本；
- 课程和培训讲师：把讲义、PDF 和文档变成分段音频；
- 播客和有声内容创作者：把文稿转成 MP3；
- 语言学习者：利用逐句高亮进行跟读和听力练习；
- 开源用户和开发者：Windows 桌面工具，源码公开，可自行构建。
下载和使用
Edge TTS 语音合成助手支持 Windows 10 及以上版本，提供安装版和免安装便携版。发布包已经包含运行环境，不需要单独安装 Python。
项目采用 GPL-3.0-or-later 开源许可。官方版本免费，下载和更新以 GitHub Releases 为准。
