灵声工坊视频配音

解决视频配音与字幕合成的对齐难题

制作中文教程或视频时，手动对齐字幕时间码、处理 TTS 引擎的断句停顿，以及应对配音时长与原视频不匹配导致的音画错位，往往非常繁琐。smart-dubbing-studio 将这些操作封装为一条自动化的流水线，通过 AI 对话引导完成环境检测、引擎配置与任务执行，免除手动编写脚本的负担。

核心能力与工作流

• 双引擎 TTS 支持：兼容讯飞 spark（支持词级时间戳与多音色）和 edge-tts（免 API 密钥，备用引擎），AI 会自动引导选择并映射对应的 vcn 或 voice 参数。
• 精细化的模板控制：支持 MM:SS,FF 帧级时间码解析；通过留空标记 filler 段以保留原声，或写入 (静音) 生成静音；使用反引号 ` ` 强制 TTS 断句而不影响字幕显示，甚至可用 {tts:...}` 手动覆盖特定读音。
• 逐帧打点编辑器：内置 subtitle-editor.html 本地工具，通过 F 键标记段落结束、G 键制造间隙，支持 Ctrl+Z 撤销与 localStorage 自动缓存，解决对照视频手动写时间码的痛点。
• V3.7 核心升级：基于词级时间戳自动将长文案拆分为“读一句显示一句”的短句 SRT；当配音比原视频短 2% 以上时，自动调用 ffmpeg 的 setpts 和 atempo 滤镜进行最高 1.5x 的视频加速，保持音画同步。

适用边界与注意点

• SRT 拆分依赖词级时间戳：讯飞 spark 引擎能完美支持逐短句字幕，而 edge-tts 默认回退为整段字幕显示。
• 环境依赖：本地必须安装 ffmpeg 和 Python 3.7+，相关 Python 依赖包会在首次运行时自动安装（支持国内镜像）。
• 凭证安全：使用讯飞引擎需配置 APPID、APIKey 等凭证至 tts_config.json，分享项目前务必清除该文件或使用占位符，防止敏感信息泄露。