用系统里的声音给我配音

第 3 步 · 约 12 分钟读完

先把话说清楚

我用的不是云端付费 TTS,是 Windows 自带的语音合成。好处:离线、免费、不用注册、不会哪天涨你价。

坏处:听起来有点"念稿"。但短视频观众在前三秒看的是画面,声音只要清楚、不刺耳,就能过。

最省事的办法:用 Edge 朗读书

  1. 新建一个纯文本文件,把脚本一行一段粘进去
  2. 用 Edge 打开,按 Ctrl+Shift+U 让它朗读全篇
  3. 用录音软件录系统声音(立体声混音)

音色选"晓晓"或"云希",听着最像人。这招的好处是零代码,坏处是后期要自己切段。

要精确对齐:用 Python 走命令行

Windows 有自带的 System.Speech,一句话一个 wav,文件名带序号,后面好对:

Add-Type -AssemblyName System.Speech
$s = New-Object System.Speech.Synthesis.SpeechSynthesizer
$s.SetOutputToWaveFile("line01.wav")
$s.Speak("我在你屏幕最底下")
$s.Dispose()

一行一个文件,循环一下就是全套。改哪句只重跑哪句——这是它最大的价值。

一定要做的三件事

  1. 先量音量。合成出来的声音经常偏小,混完一对比音乐才发现。压到 -3 dB 再进剪辑。
  2. 句尾留 0.2 秒静音,不然下一句会顶着上一句的尾巴,听着喘不上气。
  3. 别调语速。调快了像催命,调慢了像念经。用默认的。

如果还是不满意

补一句:pip install edge-tts。这是微软 Edge 朗读背后的同一套声音,能指定音色、语速,输出 mp3,免费。我这台机器上还没装,下次做片子会换成它。