T
2
原站网页截图，页面可能随时间更新。
- 代码许可：mit
- 作者：walidadebayo
- 分类：AI 音频
- 名称：Text To Speech
- 来源：Hugging Face Spaces
这款工具适合把文字内容整理成可播放的语音，也可用于带有时间轴的字幕文本处理。使用时可直接输入内容，或上传 TXT、SRT 文件，再选择声音并调整语速、音量和音高；对话场景则可分别设置不同说话人的声音参数。
主要用途
工具面向文字转语音任务，输出生成的音频，并提供生成字幕文件。输入方式包括直接填写文字，以及上传 TXT 或 SRT 文件。对于连续朗读内容，SRT 文件中的时间段会影响语音衔接效果。
单人内容的使用思路
处理普通旁白、说明文本或单一说话人内容时，可以先在输入区域填写文字，或导入已有文本文件，然后选择语音。语速、音量和音高分别用于调整朗读节奏、声音响度和音调，建议根据内容长度与听感需要逐项调整。
多角色对话处理
多说话人文本需要按照“Speaker1: text”或“S1: text”的格式标记角色。工具提供两名说话人的独立声音选择，以及各自的语速、音量和音高设置，因此适合区分对话中的不同角色。实际整理文本时，应保持角色标记清楚，并让每段内容对应正确的说话人。
字幕时间轴注意事项
连续语音对应的 SRT 片段不宜让前一段结束时间与后一段开始时间完全相同。可以在相邻片段之间设置约 20 至 30 毫秒的小幅重叠，以减少不必要的停顿；如果确实需要停顿，则可以保留时间上的间隔。
SRT 字幕片段为什么要设置轻微重叠？
在连续语音中，约 20 至 30 毫秒的时间重叠有助于减少片段之间的停顿，使语音衔接更顺畅。
什么时候可以避免字幕时间重叠？
如果内容需要明确停顿，可以不设置重叠；同时应避免让前一段结束时间与后一段开始时间完全相同。