ZTJ-TTS-N 文本转语音工具：支持Edge/微软TTS/火山TTS/海螺TTS/阿里云百炼（CosyVoice、Sambert）平台API接口，CosyVoice声音复刻，支持超长文本转音频！

主要功能：

文本转语音（微软Azure接口/Edge接口/火山TTS接口/海螺TTS接口/阿里云百炼平台（CosyVoice、Sambert）TTS接口、CosyVoice声音复刻、支持超长文本转音频、Srt字幕编辑、Srt字幕合成语音、AI语音识别导出字幕等...

近期更新：

v0.4.7

• 1、优化：音频合并模块优化，合并速度提升约百分之三十；
• 2、优化：超工文本合成卡文件预处理问题，提升合成稳定性；
  • 注意：所有HD角色网站自建微软VIP线路全部支持，使用微软APIKEY注意，区域必须为美国东部、西欧、东南亚，其它区域APIKEY无法使用，微软免费API接口HD角色基本都不可用。
  • 晓晓-对话-HD-Neural(XiaoxiaoConversational) 角色已被官方移除，全部无法使用

友情提示：

1. ZTJ-TTS-N为最新版本TTS文本转语音工具，工具开发定位为网站VIP福利！本工具所有功能有文档，有视频，简单问题请自行查阅学习，使用本工具不提供任何1对1解答服务！！！

2. 本网站账号密码即为 ZTJ-TTS-N 账号密码；

3. 本网站VIP用户即为ZTJ-TTS-N VIP用户，本网站非VIP用户即为ZTJ-TTS-N 普通用户；

4. 非VIP用户仅开放基础TTS合成功能（合成内容有长度限制，无次数限制）！

5. 问题反馈：点击软件左下角“意见反馈”，填写问题相关内容并提交，以便查找定位解决！！！

6. 首次使用，请仔细阅读以下文档/视频，磨刀不误砍柴功！

特别说明：关于微软TTS接口

一、2023.10.25日开始，微软官方对TTS免费接口合成次数进行了限制，每日合成上限为20次，此限制是基于当前设备公网IP地址，问题表现一直合成失败429（"code":"TooManyRequests","message":"The rate limit has been reached. The timeout in seconds can be found in the Retry-After header."），当合成次数达到上限后，此公网IP就需要等待24小时后才可以继续合成，解决方法：

• 1、使用网站搭建的微软接口VIP线路，普通用户5000字符/天，网站VIP用户50000字符/天，试听免费不计额度（使用VIP线路时日志窗口会有额度信息显示）
  • 使用方法：选择“微软”接口，设置选项--微软接口VIP线路--勾选“线路1”启用
  • 有更高使用需求的朋友可选择为指定账号单独购买额度套餐！点击查看购买套餐及使用演示教程（注意：不是网站VIP用户无法购买，购买了也无法使用）
• 2、自行申请使用官方的apikey，官方Apikey免费额度为每月50W字符（汉字约25W字符）（点击观看视频教程），注意：微软官方是以token计量
• 3、自行购买HTTPS/SOCKS5代理绕过此限制，前提：要求代理节点IP够多，够干净，否则用的人多了，很快就会被大范围限制；
• 4、临时应急可以通过使用全局代理切换公网IP，如果是家庭环境，可以通过重新拔号上网达到切换公网IP的目的，如果可以连接手机热点，则可以通过手机端开启/关闭飞行模式达到切换公网IP的目的（注意：公网IP资源有限，并不是说你切换了一个新的公网IP就一定可以合成20次，可以合成20次的前提是，你拿到的这个公网IP在你之前24小时内，没有被别人用于微软TTS合成，如果这个公网IP被别人拿去合成过，那20次用一次就少一次，如果被别人把20次用完，你就会直接429；

二、2023.12.8日傍晚开始，微软TTS免费接口对TTS合成音频音质进行了限制；

界面

1、登录界面

用户名密码就是网站的用户名密码，没有注册，就点击注册按钮跳转到网站，注册一个账号。

2、主界面

3、设置界面

4、超长文本合成

（约为330W字文本，一次性合成音频，超180小时）

视频教程

• ZTJ-TTS-N 软件使用教程：https://www.bilibili.com/video/BV1aDRNY1EmT/

• 微软接口VIP线路详细说明&使用教程：https://ztjun.fun/2323.html

• 注册微软Azure申请APIKEY，视频教程：https://www.bilibili.com/video/BV1Ee411C7p5/

• 火山TTS注册申请创建【语音合成】应用获取APPID/AccessToken视频教程：https://www.bilibili.com/video/BV11j411j7C8/

• 海螺AI API-KEY注册创建，视频教程：https://ztjun.fun/3812.html

• 阿里云百炼平台(CosyVoice、Sambert)API-KEY申请，视频教程：https://ztjun.fun/3814.html

• 为了奖励认真阅读文档的你，微信公众号（网站页面最底部二维码）后台回复 NTTS 可免费获取软件下载地址！接下来的是详细的文字教程，强烈建议认真看一遍，工具是解决问题，而不是制造问题的，当然前提是你要对工具有基本的了解，花点时间学习一下，最终方便还是自己，谨记：麿刀不误砍柴功。

ZTJ-TTS-N 扣子智能助手（需注册COZE平台，登录后使用）：

https://www.coze.cn/store/agent/7482725069262176283?bot_id=true

文字教程

1、接口

• 微软Azure接口：支持文本配音、导出Srt字幕（M1/M2模式）、Srt字幕配音，

  • 支持使用官方免费API接口（完全免费，官方有每日20次限制）

  • 支持使用官方APIkey（需要自行申请注册 Azure TTS 服务，创建apikey）

  • 网站自建微软接口VIP线路套餐，后端采用APIKEY连接官方API，需要购买网站微软接口VIP线路字符套餐；

• Edge朗读接口：支持文本配音、导出Srt字幕（M1/M2模式）、Srt字幕配音（完全免费，不需要APIKEY）

• 火山TTS：支持文本配音、导出Srt字幕（M1/M2模式）、Srt字幕配音（需要自行申请注册申请火山引擎Apikey，视频教程）

• 海螺TTS：仅支持文本配音功能、导出Srt字幕（M2模式）（需要自行申请注册申请海螺AI平台Apikey，视频教程）；

• CosyVoice：仅支持文本配音功能、导出Srt字幕（M2模式）（需要自行申请注册申请阿里云百炼平台Apikey，视频教程）；

  • 注意：使用CosyVoice接口进行TTS文本转语音时，文本内容不能包含英文引号"，以及换行回车，因为此接口提交数据为JSON格式，英文引号"或换行回车会破坏JSON数据格式，导致合成失败。

• Sambert：仅支持文本配音功能、导出Srt字幕（M2模式）（需要自行申请注册申请阿里云百炼平台Apikey，视频教程）；

2、六个TTS文本转语音接口官方价格表

3、角色

当前角色参数设置，每个接口都不一样，请根据实际情况选择设置。

4、添加多角色

微软、Edge接口支持多角色配置。

使用方法：在角色区域设置好角色各项参数，填写角色名称后，点击右侧的添加按钮，即可将当前角色添加入多角色列表，后续需要使用时，即可进行多角色设置：

在文本配音界面右侧多角色列表点击鼠标右键，可对指定多角色进行管理：

3、文本配音

3.1、中小文本

• 角色试听

  微软、Edge、火山接口：以左侧当前角色设置参数试听当前文本内容，支持选择指定文本试听；

  海螺、CosyVoice、Sambert接口：试听内容为官方各角色试听音频素材，非当前文本内容试听。

• 设置角色

  使用此功能需要在左侧列表先添加角色，然后使用指定角色对选中范围文本内容进行标记，进行过角色标记的内容在后面进行语音合成时，将以指定的角色设置进行语音合成。

  使用方法：在中小文本编辑区域，选择要指定角色的文本内容，鼠标右键--设置角色--选择左侧角色列表中添加好的指定角色即可。

  注意：不支持角色嵌套，如果存在角色嵌套会导致无法合成（角色嵌套是指在已指定角色的文本中再次指定其它角色）

  角色嵌套示例：{R云健(男性)(1)|xxx{R晓辰(女性)(0)|xxxxxxxxxxxxxxxR}xxxR}

• 插入间隔

  在当前光标位置插入指定时长间隔，单位为毫秒(ms)，1000ms=1秒

3.2、超大文本

• 支持文件格式：编码格式为utf8的txt文档，非utf8编码将显示编码错误

  

• 导入方法

  • 拖放：选择需要导入的txt文件，直接拖到软件界面导入

  • 超大文本表格区域鼠标右键--导入，选择文件完成导入

• 不限制文件大小

  • 小提示：一般情况下，20000字符中文内容，合成音频后的时长约为2小时（120分钟）左右，以此类推，10000字符中文内容长度合成音频时长约为1小时左右，1600字符中文内容合成音频时长约为10分钟。

3.3、全局间隔

全局间隔，主要用于一键设置全文所有语句间隔停顿时间，勾选启用。

3.4、导出Srt字幕

文本配音时是否同步导出Srt字幕，勾选启用。

导出模式：

m1模式：纯算法本地实现，有概率生成失败（为确保成功率和准确率，使用此功能时单次字符数量不得超过50000），建议使用m1模型导出字幕，角色语速不要设置太快，太快也会导致导出字幕失败。

注意：普通文本配音 与 导出Srt字幕m1模式的文本配音是两种截然不同的模式，合成效果也会有所不同，另外导出Srt字幕模式的文本配音不支持自定义插入间隔，两者有冲突，有可能造成合成失败。此外，m1模式导出Srt字幕时根据角色语速不同，需要对全局间隔参数进行微调，具体的全局间隔数值需要自己进行耐心调校测试，否则生成效果可能会不尽人意。

m2模式：服务器远程AI识别生成字幕，优点：成功率高，支持最长不超过3小时音频生成字幕，缺点：由于是AI识别生成，可能有少量字幕内容音对字不对。

3.5、多音字

• 直接使用拼音替代

  

  使用查拼音功能查完后，将文本中需要指定音调的多音字使用查询到的指定音调的拼音替换

• 编辑替换多音字列表

  

文本清理--多音字替换，输入原始多音字英文和替换的同音字，一行一个，如上图所示，编辑完成后，点击保存配置即可

注意：此处将直接对合成文本中的多音字进行全局替换，所以使用多音字替换后，导出Srt时，也需要对导出的Srt中的多音字文本进行手动还原。

4、字幕配音

4.1、字幕编辑

字幕编辑表格区域点击鼠标右键--导入，导入需要编辑的Srt字幕文件，导入完成后就可以开始修改，修改完成后，点击鼠标右键--保存，即可将修改后的srt进行保存

4.2、字幕配音

• 导入：导入字幕，或者直接将Srt字幕文件拖动到软件界面完成导入

• 清空：清空列表

注意：！！！

根据Srt字幕内容进行配音，需要注意，此模式对Srt字幕文件合理性要求较高，所谓字幕文件合理性，是指逐条字幕内容与其所对应的时间轴是否匹配，简单举例：

5
00:00:12,381 --> 00:00:14,109
这就是为什么我们将选项放在一起的原因让您了解我们的指南

以上是字幕文件中的一组字幕数据，含义如下：

序号

字幕开始时间：00:00:12,381 --> 字幕结束时间：00:00:14,109

字幕内容：这就是为什么我们将选项放在一起的原因让您了解我们的指南

空行结束

以上是一条标准的SRT字幕格式，包含序号、字幕开始/结束时间、字幕文本内容、空行结束，缺一不可！

通过简单计算可获取此条字幕内容显示的时间=结束时间(14.109)-开始时间(12.381)=1.728(秒)

这就是非常典型不合理的字幕文件，因为正常情况下，这么长的一段字幕内容，完整表述所需的时间绝对不止1.728秒，

如果你的字幕文件存在类似于这种不合理的时间轴，软件为了准确对齐时间轴，就只能对这段内容的音频进行加速处理，以缩短这条字幕音频的时长，让其小于1.728秒，如果不对这段字幕对应的音频进行加速处理，那么这条音频就无法在时间轴指定的时间内播放完成，它就会直接影响下一条字幕，造成尾压头声音重叠的问题。

总结：如果你在进行Srt字幕配音时，发现最终音频中时不时有语句突然加速的现象，那么，请参照上述内容，自行手动调整加速语句对应Srt字幕文件时间轴，以确保其合理性。

小提示：这种问题通常都是对字幕文件进行翻译以后出现，原因就是原始字幕文件的时间轴使用原始语言是合理的，经过翻译后同样一句话，内容长度会发生变化，而此时时间轴没变，这才是根源。

5、语音识别

注意：模型下载完成后需要移动到软件目录下的whisper文件夹中。

• 1、选择音视频目录：选择需要进行语音识别的音视频文件保存目录，软件将对指定目录下所有.mp4/.mp3/*.wav文件进行批量AI语音识别；

• 2、选择语音：选择音视频文件的语言类型，zh：中文，en：英文，找不到或是不知道就保持默认：auto即可。

• 3、选择模型：模型越大，需要内存越大，识别结果越准确，识别时间也会越长，点此下载模型文件：

  • 所有模型共分五个档次，从小到大分别为：tiny、base、small、medium、large

  • 模型越大，需要内存越多，识别结果相对越准确，语音识别需要的时间也会越长，

  • 模型命名：每1档模型又分为4个型号，以base模型为例：

    • base.bin：基础模型，适合处理多种语言的语音识别任务。这个模型体积适中，性能较为平衡，适合在多语言场景下使用。

    • base-q5_1.bin：base 模型的量化版本，q5_1 表示使用了一种特定的量化方案，在保持较好准确率的同时显著减少了模型的体积，适合在资源有限的设备上运行。

    • base.en.bin：基于 base 模型专门为英文语音识别优化的版本。相比于多语言版本，它可能在处理英文语音时性能更好，识别准确率更高。

    • base.en-q5-1.bin：base.en 模型的量化版本，q5_1 表示使用了一种特定的量化方案，在保持较好准确率的同时显著减少了模型的体积，适合在资源有限的设备上运行。

  • 请结合自身需求选择下载合适的模型。

• 4、输出文件：识别出的文本内容保存格式，当前支持输出 txt/srt/vtt/lrc 格式，识别成功后，输出文本文件保存在音视频文件相同目录且名称相同。

• 5、启用GPU加速（需要有显卡，其次需要安装显卡对应版本的CUDA，这块坑比较多，大家自行查阅相关资料）

6、设置选项

• 微软TTS线路测试：免费线路延迟测试（通常情况下，晚上是使用高峰期，此时免费接口服务器响应会变慢，甚至无响应，导致合成失败）

• 保存目录：TTS合成音频保存目录

  • 打开：打开保存目录

  • 选择文件夹：选择音频保存目录

• 任务结束是否播放提示音：勾选播放，不勾选不播放

• 任务结束打开保存目录：在语音合成任务完成后打开保存目录（如果保存文件夹已经有打开则不会再打开）

• 任务结束删除音频片段：勾选删除所有音频片段

• 是否进行最终完整合并：就是将所有分段音频文件合并成一个音频文件。

• 合成结束添加片头/背景音乐：

  TTS语音合成完成后，自动添加指定/随机随机音乐，

  • 添加指定片头/背景音乐，点击按钮弹出音频文件选择窗口，选择相应的背景音乐即可；

  • 添加随机片头/背景音乐，在第一次弹出的音频选择窗口点击“取消”，然后软件会自动进入文件夹浏览选择窗口，选择背景音乐所在文件夹后确定即可。

  • 循环：勾选后，当TTS语音时间很长，而背景音乐时长较短时，会重复循环播放背景音乐，直到TTS音频结束，不勾选时，背景音乐播放一次就会结束播放；

• 自定义代理：

解决微软免费接口访问速率限制（429问题），使用方法：设置代理的IP地址和端口后，选择相应的代理类型，最后勾选上面的启用即可。

• 微软接口VIP线路：后端采用APIKey形式，全面解决微软免费接口访问速率限制429问题

  • VIP用户每天50000字符！有更高使用需求的朋友可为指定账号单独购买更高额度套餐。详情：https://ztjun.fun/2323.html

• 微软APIkey：使用微软Azure接口时，勾选生效，需要自行申请注册微软Azure TTS服务apikey，点击观看视频教程，区域选择一定不能错，错了无法获取token，提示：最好不要在某宝等平台购买此apikey，群里已经有N例了，用着用着莫明其妙就失效，无法获取token！

• 火山TTS：需要自行注册并开通【语音合成】服务，点击观看视频教程，注册开通后，如下图所示获取并填写AppID/Token：

• 海螺TTS：

获取groupID：

获取Token密钥：

• 阿里云百炼平台API-KEY：

登录阿里云百炼平台，在右侧顶部找到用户按钮--选择API-KEY

• 运行日志：日志信息，出现问题方便定位。

7、CosyVoice声音复刻

7.1、需要注册创建阿里云百炼API-KEY。

7.2、获取CosyVoice复刻角色：

• 获取已经创建好的复刻角色，获取到角色后，会将复刻角色添加到CosyVoice接口，中文，角色列表末尾

7.3、CosyVoice声音复刻：

• 新建复刻角色：

  • 选择要复刻或克隆的mp3、wav音频文件，mp3、wav音频文件要满足以下要求：时长10~20秒，采样率16KHz及以上，mp3音频大小10MB以内

  • 填写自定义角色前缀，新建复刻角色成功后，此角色前缀会添加到CosyVoice接口，中文，角色列表末尾，要求：只允许数字和小写字母，长度小于10个字符。

  • 设置好后，点击“新建复刻角色”按钮，等待复刻完成，即可在CosyVoice接口，中文，角色列表末尾选择该角色进行使用。

• 更新指定复刻角色：对前面复刻的效果不满意时，可以在复刻角色列表中找到并选择要更新的复刻角色，重新选择mp3音频文件，然后点击“更新指定复刻角色”，等待完成即可

• 删除指定复刻角色：从复刻角色列表选择要删除的复刻角色名称，点击“删除指定复刻角色”按钮，等待完成即可。

常见问题 & 注意事项

1、路径问题

上图可以看到，当前程序路径即为软件所在目录的完整路径，在此完整路径中，不能有空格或是英文小括号等特殊字符，它们会导致TTS语音合成后无法进行最终合并；

解决办法：将ztj-tts-n文件夹剪切到其它盘符的根目录下，确保ztj-tts-n所在文件夹名称中不包括空格或英文小括号等特殊字符即可。

2、权限问题

问题表现：文件无法拖放/音频合成完成后无法合并/勾选删除分段音频无法删除等等；

解决方法：可以尝试把各类电脑管家/杀毒软件关闭，再使用管理员权限运行（不要使用快捷方式），如果有弹出对话框询问是否允许之类的提示，记得一定要允许！！！

3、误杀问题

问题表现：ZTJ-TTS-N压缩包下载后一解压就被删了，或者用着用着就没了；

解决办法：关闭win10以上系统文件实时保护功能（Windows安全中心--病毒和威胁防护--“病毒和威胁防护”设置--管理设置--实时保护--关闭）、关闭杀毒软件（原因是软件有加密保护，会造成杀毒软件误杀）；

4、合成失败问题

• 1、超长文本需要要注意文本所在路径以及txt文本文件名称，两者都尽量不要包含特殊字符如英文括号/空格等，它们可能导致合成失败；

• 2、中小文件合成时，需要检查文本内容是否包含特殊字符，特别需要警惕那些看起来像空格的不可见字符，因为很多特殊符号肉眼看起来非常像是空格，但实际上它是特殊符号，推荐使用notepad等文本编辑工具进行查看编辑删除；

• 小技巧：如何快速分辨是文件名/路径导致的合成失败还是文本内容有问题导致的合成失败：如果是文件名或路径问题，那么日志窗口在显示提交合成文本后就没有后续了，如果是文本内容有问题，那么日志窗口提交文本后会有相应错误提示的，通过这一点就可以快速分辨是路径、文件名问题还是文本内容问题；

5、无法下载问题：Microsoft Edge 阻止不安全的下载

​

解决办法：

6、常见错误码

• -1/-3:网络不稳定，连接超时；

• -2:网络问题缺失数据,校验未通过;

• 200:请求成功;

• 400[ms/edge]:合成文本内存在特殊字符,请检查去除后再试;

• 429[ms]:当前IP已达到合成上限;

• 3010[hs]:文本长度超限;

• 3011[hs]:无效文本;