先说结论
已经有一批 TXT 文稿,想同时得到配音、字幕和视频时,使用睿君科技 TXT 批量生成配音字幕视频工具。它可批量输出 MP3、SRT,并按需生成带硬字幕的 MP4,背景可用纯色、单张图片或图片文件夹轮播。
- 数据边界:软件调用用户自己配置的云端语音合成服务,TXT 文本会发送到所选的云端配音服务;文件整理、字幕合成和视频输出在 Windows 本机完成。
- 怎么选:已有音视频要转文字请看多云语音识别工具;已有原稿要与音视频时间轴对齐请看TXT 对齐工具。
官方渠道:睿君科技官网为 www.tuokepro.cn,官方商城为 mall.tuokepro.cn;查看当前版本、授权和购买信息。
写好文案之后还要配音、对时间轴、做字幕,一条一条手工做太慢。TXT批量生成配音字幕视频工具可以把一批 TXT 文稿直接转成 MP3 配音和同步的 SRT 字幕,需要的话还能一步生成带硬字幕的 MP4 成片,适合口播视频、有声内容、课程讲解和批量短视频的前期制作。
先了解一件事:语音合成由云端 TTS 服务完成,需要你自己的 API 账号(火山引擎/豆包、阿里云、腾讯云、百度任选其一,另有微软 Edge 免费后端)。软件本身不含合成额度,配置好密钥后所有处理都在本机进行。
一份 TXT 能产出什么
MP3 配音:按文稿分句合成,自动拼接成完整音频。
SRT 字幕:时间轴与音频严格对应,可直接导入剪辑软件。
MP4 成片(可选):纯色、单张图片或图片文件夹作背景,加上音频和硬字幕一步输出视频。
支持的语音合成后端
| 后端 | 说明 |
|---|---|
| 火山引擎 / 豆包(默认) | 走单向流式接口,边合成边落盘;内置 12 个语音合成 2.0 音色,按音色自动匹配资源 |
| 阿里云 CosyVoice | 填入 API Key 与音色名即可使用 |
| 腾讯云 | 填入 SecretId / SecretKey 与音色编号 |
| 百度 | 填入 App ID / API Key / Secret Key |
| 微软 Edge | 免费后端,适合先试跑流程 |
逐句缓存:重跑不会重复扣额度
文稿按句合成,每成功一句立刻写入缓存。中途某句失败时只重试这一句;下次再跑同一份文稿,已经成功的句子直接复用缓存,不会从第一句重新消耗云服务额度。缓存按后端、音色和参数区分,不同音色使用独立缓存目录;改了参数会重新合成,不会拿旧音频糊弄你。
字幕样式与视频导出
字幕样式可调:字号、颜色、描边、描边色、底边距、对齐方式。
可开启背景框,并调整背景色、透明度和内边距。
可指定任意 .ttf 字体,安装包内已附带 15 款常用中文字体。
提供首帧预览图,所见即所得,确认效果再批量出片。
视频导出支持纯色、单张图片和图片文件夹三种画面来源;多张图片按文件名顺序播放,可设置每张停留时长,字幕为硬字幕。
使用步骤
在设置里填入所选云服务的密钥,选择后端与音色。
选择存放 TXT 文稿的目录,确认输出目录。
调整语速、音量等参数,选择“仅音频 / 仅视频 / 音频和视频”,需要视频时选择纯色、单图或图片文件夹背景,并设置字幕样式。
点击开始,日志区实时显示每句的合成情况。
完成后检查 MP3、SRT 与 MP4,直接用于剪辑或发布。
当前线上交付版:V6 多图时长与拖入版。下载包包含单文件 EXE、空白配置和 15 款字体。支持仅音频、仅视频、音频和视频三种输出模式,可另存 SRT;图片文件夹按文件名顺序轮播,每张图的停留时间可调,图片不足时循环至配音结束;支持拖入图片或图片文件夹。语音合成仍需自备云服务账号,微软 Edge 可用于免费试跑。视频硬字幕依赖本机带 libass 的 FFmpeg,配置文件不含用户密钥。
软件界面与演示

常见问题
买了软件就能直接配音吗?还要不要另外花钱?
语音由云端 TTS 服务合成,需要你自己的 API 账号,合成费用按各家云服务的计费方式结算,软件不含额度。想先零成本试流程,可以选微软 Edge 免费后端。
中途失败重跑,前面已经合成的句子会重复扣费吗?
不会。每句成功后立即写缓存,重试只针对失败的那一句;重新运行同一份文稿时,已成功的句子直接复用缓存,不再调用云端接口。
字幕时间轴准不准?能直接导入剪辑软件吗?
字幕时间轴按每句实际合成出来的音频长度生成,与 MP3 严格对应,输出标准 SRT,可直接导入剪映、Premiere 等常见剪辑软件。
生成视频提示缺少 ffmpeg 怎么办?
MP3 导出和视频合成都依赖本机 ffmpeg,硬字幕还需要 ffmpeg 编译时带 libass。装好 ffmpeg 并加入系统 PATH 后重新运行即可,只要 MP3 和 SRT 的话可以不装。
V6 下载包里是什么形式?
当前 V6 下载包提供单文件 EXE;解压后与配置文件和字体文件夹放在一起使用。
