Edge-TTS 多角色音频生成器

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]），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，并可选择性混入前奏 / 尾声 / 背景音乐，最终导出 WAV / MP3 / OGG / FLAC 音频文件。

语音合成本身由微软 Edge 在线语音服务提供，使用时需要联网。

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。
• 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。
• 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、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 8 种语言——英语、简体中文、法语、德语、西班牙语、俄语、日语、阿拉伯语，界面自动跟随系统语言。
• 程序启动时窗口默认最大化。

标记语法

首个角色标记之前的文本默认由角色 A 朗读。

[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]

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神经网络发音人，并按需调整语速 / 音量 / 音调。
2. 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、停顿和蜂鸣声。
3. （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。
4. 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。
5. 导出——在底部选择输出格式和保存路径，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

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。其他主要组件：Electron、Vue.js、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。