字幕转音频

更新时间: 2026-05-22 23:25:43

字幕按时间轴合成
图:每条字幕按自己的时间点落在音轨上

拿一份 SRT,按每条字幕的开始时间把合成好的语音放到时间轴上,中间空的地方留静音。出来的音频和字幕时间对得上,可以直接拖进剪辑软件替换原声。

什么时候用

  • 适合:已经有 srt 时间轴,要一条卡好点的配音;视频改解说词但保留时间结构
  • 不适合:只想把一段文字念成音频,用 长文本转音频,不用凑时间轴
  • 不适合:字幕还没做,先 语音识别 出 srt

操作步骤

  1. 工具 → 声音处理 → 字幕转音频
  2. 选择文件,只列 .srt
  3. 声音合成配置里选合成方式、模型、音色
  4. 点「提交任务」,卡片依次走「解析字幕 → 音频合成 → 合成音频」
  5. 成功后播放试听,没问题再下载

字幕转音频界面

参数

参数说明建议
字幕文件.srt,标准三行结构从剪映、Premiere 导出的原始 srt 都能用
合成方式语音合成 / 声音克隆和视频里原音色接近的优先
声音模型声音合成服务先启动,否则提示「声音模型未启动」
音色模型音色或我的声音按角色固定一个音色
模型参数语速等,由模型声明语速别调太快,后面还会被压缩一次

结果与排查

  • 成功表现:卡片出现「合成音频」播放器;导出是一个音频文件,长度到最后一句话说完为止,末尾字幕之后不会补静音
  • 时间怎么对齐:每条语音从字幕的 start 开始放。语音比「本条 start 到下一条 start」还长时,会自动变速加快塞进这段空隙,所以语速过快的模型听感会更急
  • 段与段之间的空白是静音,不是拉长语音
  • 报「请选择SRT字幕文件」:没选文件
  • 报「所选字幕文件不存在,请重新选择」:文件被移走
  • 报「没有生成任何音频文件」:一条都没解析出来,检查格式。时间行必须是 00:00:01,000 --> 00:00:03,000 这种逗号毫秒;每条要序号、时间、文本三行,中间空行分隔;用点号毫秒(WebVTT 风格)或带 WEBVTT 头的文件会被整条跳过
  • 合成到一半失败,重试会跳过已经完成的条目

相关

语言
QQ
微信客服
微信群
客服