教育软件起步,拓展多领域软件产品与解决方案 联系电话:15161091099 admin@tzzhy.cn

Edge-TTS 多角色音频生成器

2026-08-11 11:57:00 管理员 本站 353 浏览
Edge-TTS 多角色音频生成器
生成英语听力音频的利器

Edge-TTS 多角色音频生成器 ——基于在线微软 Edge TTS 语音服务,将带标记的文本脚本转换为多人配音音频的桌面应用。

只需在纯文本脚本中使用轻量标记([A]、[B]、[1000]、[R]、[happy]…[/happy]),为四个角色分别指定不同的神经网络发音人,应用即可逐段合成语音,拼接停顿与蜂鸣声,可选择性混入前奏 / 尾声 / 背景音乐,并同步生成与音频样本级对齐的 LRC / SRT 字幕,最终导出 WAV / MP3 / OGG / FLAC 音频文件。

语音合成默认使用微软 Edge 在线语音服务(需联网);另可在「设置」中启用可选的离线引擎(Piper),或接入三家自带凭据的云服务商(Google Cloud Text-to-Speech、科大讯飞、火山引擎),在「仅离线」模式下文本全程不出本机。

功能特性

· 四个可切换的说话角色(A–D) ——每个角色可独立配置神经网络发音人、语速、音量和音调。

· 标记式脚本格式 ——不离开文本即可切换发音人、插入精确到毫秒的停顿和蜂鸣声,并可用语气标签调整所围文本的情绪表达。

· 完整 Edge TTS 音色库 ——音色列表从服务端获取,按语言分组并显示本地化名称。

· 长文本可靠生成 ——网络中断时每个片段自动重试(最多 15 次),内置连接空闲看门狗与自适应退避;已完成片段写入磁盘缓存,失败后重新生成可从断点续跑。合成完整性三重校验(流收尾信号、服务端宣告终点与实际时长交叉验证、逐词文本与源文本尾部对齐)确保服务端提前收尾的截断片段不会被落盘缓存。

· 离线引擎(v2.0.6) ——通过内置的 Piper 运行时进行神经网络语音合成:从 53 种语言的精选模型目录(设置 → 离线引擎设置)按需下载模型即可完全离线合成。在线优先(默认)在网络持续失败时逐段回退到已下载的本地模型,仅在线彻底停用离线引擎,仅离线则发音人列表切换为已下载模型且全程不访问网络。

· 云语音服务商(v2.0.8) ——自带凭据接入 Google Cloud Text-to-Speech、科大讯飞与火山引擎(设置 → 语音服务商,支持一键连接测试;凭据仅保存在本地,不上传)。启用的服务商音色以独立分组进入发音人下拉;合成共享同一缓存 / 字幕管线,仅离线模式下云音色隐藏,文本不出本机。

· 语气标签(v2.0.8) ——六种语气标记([happy]、[sad]、[angry]、[gentle]、[excited]、[calm])配合闭合标签,对所围文本叠加语速 / 音量 / 音调偏移;偏移叠加在角色设置之上,对所有引擎(Edge、离线 Piper、云服务商)通用;编辑器可对选中文本两端包裹或直接插入成对标签,并以独立颜色高亮。

· 字幕同步生成(v2.0.5) ——导出音频的同时生成 LRC / SRT 字幕,时间戳与输出音频样本级对齐;LRC 角色以全角【A】前缀标注(SRT 为 [A] 前缀),前奏 / 尾声自动偏移。

· 附加音频(v2.0.0) ——可选择本地音频文件作为前奏、尾声和背景音乐,每路支持独立的 0–100% 音量调节;背景音乐自动循环铺满整段语音。

· 即时试听 ——导出前可在内置播放器中试听全部文本或仅试听选中文本(试听同样包含附加音频混音)。

· 四种导出格式 ——WAV(32 位浮点)、MP3(44.1kHz,默认)、OGG Vorbis、FLAC,全部通过内置的 ffmpeg 二进制处理,无需系统安装 ffmpeg。

· 音色配置导入/导出 ——可将四个角色的发音人 / 语速 / 音量 / 音调保存为 JSON 配置文件,在不同脚本间复用。

· 编辑器辅助功能 ——查找替换、一键插入标记、快速停顿按钮、实时字数统计、文本文件打开/保存。

· 内置 9 种语言 ——英语、简体中文、繁体中文、法语、德语、西班牙语、俄语、日语、阿拉伯语(支持 RTL 布局),界面自动跟随系统语言,语言选择会持久保存。

· 内置自动更新 ——启动后自动检查更新,也可通过「帮助 → 检查更新」手动触发;发现新版本时弹出确认对话框,可选择立即更新、稍后提示或不再提示此版本。简体中文系统优先探测 GitCode 更新源,GitHub 不可用时自动回退。

· 程序启动时窗口默认最大化。

标记语法

标记含义
[A] [B] [C] [D]从此处起切换为角色 A / B / C / D
[1000]插入 1000 毫秒的停顿(任意整数均可)
[R]插入一段 500ms / 1000Hz 的蜂鸣声
[happy] … [/happy]语气标签——对所围文本叠加语速 / 音量 / 音调偏移;六种语气:happy、sad、angry、gentle、excited、calm

首个角色标记之前的文本默认由角色 A 朗读。未闭合的语气标签持续生效到文末;嵌套的语气标签直接切换为内层语气。

[A]你好,我是角色 A。[B]我是角色 B。[1000][C]停顿 1 秒后,角色 C 出场。[R]

[A][sad]这一段读起来很悲伤……[/sad][excited]这一段充满兴奋![/excited]

使用指南

1. 分配发音人 ——在右侧「角色语音设置」中,为脚本中用到的每个角色选择 Edge 在线发音人、已启用的云服务商音色或已下载的离线模型,并按需调整语速 / 音量 / 音调。

1. 编写脚本 ——在编辑器中输入或粘贴文本,使用工具栏按钮插入角色标记、停顿、蜂鸣声与语气标签。

1. (可选)添加附加音频 ——在发音人设置下方的「附加音频」面板中,分别为前奏 / 尾声 / 背景音乐选择本地文件,并拖动各路音量滑块(0–100%)。

· 前奏在语音之前播放,尾声在语音之后播放;

· 背景音乐叠加在语音下方,时长不足时自动循环。

1. 试听 ——使用「试听选中文本」/「试听全部文本」在内置播放器中预听效果。

1. 导出 ——在底部选择输出格式、字幕格式(无 / LRC / SRT)和保存路径,点击「生成音频」。生成过程逐段显示进度,可随时停止。

附加音频支持格式:MP3、WAV、OGG、FLAC、M4A、AAC、OPUS、WMA(即内置 ffmpeg 可解码的格式)。混音结果统一硬限幅到 ±1.0,防止爆音。

键盘快捷键

快捷键功能
Ctrl/Cmd + O打开文本文件
Ctrl/Cmd + S保存文本
Ctrl/Cmd + Shift + O加载音色配置(JSON)
Ctrl/Cmd + Shift + S保存音色配置(JSON)
Ctrl/Cmd + F查找
Ctrl/Cmd + H替换
F1帮助

许可证

本项目基于 GNU Affero 通用公共许可证 v3.0(AGPL-3.0-only) 发布。

本程序按"现状"分发,不提供任何明示或暗示的担保(包括但不限于适销性、特定用途适用性的默示担保),详见 GNU AGPL 协议条款。

由于本应用链接了使用 AGPL-3.0 协议的 edge-tts-universal,应用整体按 AGPL 发布;同时通过 ffmpeg-static 内置了 GPL 构建版 FFmpeg(GPL-3.0-or-later),其对应源码可在 https://ffmpeg.org/download.html#get-sources 获取;离线引擎内置的 Piper(MIT)经内置 eSpeak NG 完成音素化(GPL-3.0)。其他主要组件:Electron、Vue.js、ws、electron-store、@electron-toolkit/*、Vite、electron-vite(均为 MIT)以及 TypeScript(Apache-2.0)。完整署名清单可在应用内「帮助 → 关于」中查看。

版权信息

版权所有 © 2026 泰州市姜堰钟毓信息科技有限公司(https://www.tzzhy.cn/)。保留一切权利。

语音合成由微软 Edge 在线语音服务提供。本项目为独立客户端,与微软公司不存在任何隶属、赞助或背书关系。