tts-server/README.md

AI 字幕 & 配音终极工具套件 (AI Subtitle & Dubbing Ultimate Toolkit)

这是一个为视频创作者、翻译组和内容生产者设计的桌面端应用程序套件，旨在通过 AI 技术全方位优化和自动化字幕处理与配音合成流程。从文本内容的初步精炼，到听感的节奏优化，再到最终的 AI 配音合成，本套件提供了一站式解决方案。

🌟 核心功能

• 智能文本精炼: 利用本地大语言模型 (Ollama) 自动润色、精炼字幕文本，去除口语化、冗余词，使其更符合书面语和专业配音风格。
• 听感节奏优化: 独创的算法，基于黄金语速模型，智能地压缩、拆分、缝合字幕，解决语速过快或过慢的问题，极大提升观众的听感体验。
• 交互式精细编辑: 提供可视化界面，让你逐句对比、修改、润色字幕，并可随时调用 AI 进行单句优化，实现对最终成品的高度掌控。
• 一键式 AI 配音: 集成 Microsoft Edge TTS，能够根据优化后的字幕时间轴，自动生成高质量、语速匹配的 AI 配音，并将其与视频一键合成。
• 高度可定制化: 所有核心参数（如黄金语速、停顿时间、LLM 模型等）均可配置，满足不同场景下的个性化需求。
• 本地化与隐私: 所有 AI 计算（LLM）均通过 Ollama 在本地完成，无需将你的字幕内容上传到云端，确保数据安全和隐私。

🛠️ 工具套件构成

本套件包含以下几个独立的、但可串联使用的图形化工具：

文件名	工具名称	主要功能
srt_refiner_v1.py	字幕内容批量精炼师	[第一步] 对整个 SRT 文件进行全自动、批量的文本内容润色。
srt_interactive_refiner_v1.0.py	交互式字幕编辑器	[第二步] 手动精修和校对字幕，可对单句进行 AI 润色或自定义修改。
srt_ultimate_optimizer_v4.0.py	终极字幕优化器	[第三步] 核心工具，对字幕的时间轴和结构进行深度优化，调整语速和节奏。
srt_optimizer_v2.py	字幕听感优化器 (轻量版)	[备选] ultimate 的无 LLM 替代版，纯粹基于规则进行节奏优化，速度更快。
main_v1.py	AI 视频配音合成工具	[第四步] 读取最终优化好的 SRT 文件，生成配音并与视频合成。

🚀 技术栈

• GUI 框架: Python + Tkinter
• UI 主题: sv-ttk (提供现代化的深色/浅色主题)
• 大语言模型 (LLM) 支持: Ollama (本地部署，支持 Gemma, Llama, Qwen 等模型)
• 文本转语音 (TTS): edge-tts (调用微软 Edge 浏览器的高质量 TTS 引擎)
• 音视频处理: FFmpeg (业界标准的音视频处理库)
• 异步处理: asyncio, threading, queue (确保 GUI 流畅不卡顿)

📦 安装与配置

在开始使用前，请确保你的系统已完成以下环境配置。

1. 先决条件

• Python 3.8+: 下载 Python
• FFmpeg:
  • 必须安装并将其添加到系统的环境变量 (PATH) 中。
  • Windows 用户可以从 gyan.dev 下载，解压后将 bin 目录路径添加到环境变量。
  • macOS 用户可通过 Homebrew 安装: brew install ffmpeg
  • Linux 用户可通过包管理器安装: sudo apt-get install ffmpeg
• Ollama (可选，但强烈推荐):
  • 用于驱动文本精炼和部分优化功能。
  • 访问 Ollama 官网 下载并安装。
  • 安装后，必须至少拉取一个模型，推荐使用 qwen:14b 或 llama3：

  ollama pull qwen:14b
  

2. 安装 Python 依赖库

为了方便管理，建议将以下内容保存为 requirements.txt 文件：

# requirements.txt
sv-ttk
jieba
requests
edge-tts
pysrt

然后通过 pip 一键安装：

pip install -r requirements.txt

📖 使用指南与推荐工作流程

每个工具都可以独立运行，但遵循以下流程可以获得最佳效果。

运行方式

在你的终端或命令行中，使用 python 命令运行指定的脚本文件，例如：

python srt_refiner_v1.py

推荐工作流程

假设你有一个从视频自动生成的原始字幕文件 raw.srt。

第 1 步：内容批量精炼 (可选)

• 工具: srt_refiner_v1.py (字幕内容批量精炼师)
• 目的: 快速去除原始字幕中的口语化表达和错误。
• 操作:
  1. 运行 python srt_refiner_v1.py。
  2. 加载 raw.srt 文件。
  3. 选择一个已下载的 Ollama 模型。
  4. 点击 "开始精炼"，等待处理完成。
  5. 保存为 refined.srt。

第 2 步：交互式精修校对

• 工具: srt_interactive_refiner_v1.0.py (交互式字幕编辑器)
• 目的: 手动检查、修改和完善字幕文本，确保内容准确无误。
• 操作:
  1. 运行 python srt_interactive_refiner_v1.0.py。
  2. 加载 refined.srt。
  3. 在右侧工作区逐行检查字幕。你可以：
     • 直接在下方的编辑框中修改文本。
     • 点击 "润色" 按钮，让 AI 单独优化当前行。
     • 点击 "还原文本" 恢复到原始版本。
     • 点击 "删除此行" 移除不必要的字幕。
  4. 全部检查完毕后，点击 "另存为..."，保存为 final_text.srt。

第 3 步：优化听感与节奏

• 工具: srt_ultimate_optimizer_v4.0.py (终极字幕优化器)
• 目的: 这是最关键的一步，它不修改文本，而是重塑字幕的时间结构，使其听起来更自然、流畅。
• 操作:
  1. 运行 python srt_ultimate_optimizer_v4.0.py。
  2. 加载 final_text.srt。
  3. 勾选 "启用LLM进行文本缩减"（如果需要），并选择模型。
  4. 点击 "开始优化"。软件会自动执行以下操作：
     • 压缩: 将语速过慢的短句时长缩短到黄金语速。
     • 借时: 当句子过快时，向后借用空隙时间。
     • 缩减: 如果借时不够，尝试用 LLM 缩短句子。
     • 拆分: 将过长或过快的句子，按标点或语义拆分成多个短句，并加入自然停顿。
     • 缝合: 将时长过短、字数过少的碎片化字幕合并成一句。
  5. 优化完成后，在右侧预览效果，然后点击 "另存为..."，保存为 optimized.srt。

轻量版备选方案: 如果你不想使用 LLM 或者追求更快的处理速度，可以使用 srt_optimizer_v2.py。它只包含基于规则的压缩、拆分和缝合功能。

第 4 步：生成 AI 配音并合成视频

• 工具: main_v1.py (AI 视频配音合成工具)
• 目的: 将最终完美的字幕转化为语音，并与原始视频合成。
• 操作:
  1. 运行 python main_v1.py。
  2. 选择 optimized.srt 作为 SRT 文件。
  3. 选择你的原始视频文件。
  4. 选择一个喜欢的配音员声音，可以点击 "试听"。
  5. 根据需要配置其他选项（如保留原声、烧录字幕等）。
  6. 点击 "开始生成"。工具会：
     • 为每一句字幕并发生成语音片段，并根据时长自动调整语速。
     • 将所有语音片段精确地合并成一条完整的音轨。
     • 最后，将新音轨与视频合成，输出最终的配音版视频。

---