https://github.com/sheng1111/text2srt_tts
Convert text to speech and auto-generate SRT subtitles. A CLI tool for creating synced audio and captions from plain text using multilingual TTS.
https://github.com/sheng1111/text2srt_tts
audiobook batch-processing caption multilingual speech-synthesis srt subtitle-generator text-to-speech tts video-captioning
Last synced: 7 days ago
JSON representation
Convert text to speech and auto-generate SRT subtitles. A CLI tool for creating synced audio and captions from plain text using multilingual TTS.
- Host: GitHub
- URL: https://github.com/sheng1111/text2srt_tts
- Owner: sheng1111
- License: mit
- Created: 2025-07-02T11:58:40.000Z (3 months ago)
- Default Branch: main
- Last Pushed: 2025-07-02T13:49:21.000Z (3 months ago)
- Last Synced: 2025-07-02T14:44:48.826Z (3 months ago)
- Topics: audiobook, batch-processing, caption, multilingual, speech-synthesis, srt, subtitle-generator, text-to-speech, tts, video-captioning
- Language: Python
- Homepage:
- Size: 229 KB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README-TW.md
- License: LICENSE
Awesome Lists containing this project
README
# text2srt_tts
[](https://github.com/sheng1111/text2srt_tts)
[](https://www.python.org/)
[](https://text2tts.streamlit.app)
[](https://opensource.org/licenses/MIT)
[](https://deepwiki.com/sheng1111/text2srt_tts)
[](https://docker.com/)
[](https://colab.research.google.com/github/sheng1111/text2srt_tts/blob/main/colab_run.ipynb)
一鍵將文字轉換為高品質語音（WAV & MP3）與精準字幕（SRT），並在現代化單頁式 Streamlit UI 中提供即時預覽和下載功能。具備智能文字分割、雙語言支援和側邊欄控制的增強使用者體驗。
## 🆕 v1.1.3 新功能
- **🎨 單頁式介面**：現代化側邊欄佈局，自動適應深色/淺色主題
- **🧠 增強字幕生成**：先進的標點符號處理和智能文字分割
- **🌐 雙語言支援**：繁體中文與英文間無縫切換
- **📊 即時回饋**：即時字數統計、進度追蹤和狀態指示器
- **🔧 改良 Docker**：優化容器化配置，包含健康檢查和持久化儲存
- **💡 智能間距**：自動間距修正和標點符號保留選項
- **🎛️ 側邊欄控制**：所有設定整理在可展開的側邊欄中，提供更好的工作流程
## ✨ 核心功能
### 🎤 文字轉語音 (TTS) 引擎
- **預設引擎 (免費)**：`Edge TTS` - Microsoft Edge 內建語音合成，無需 API 金鑰
- **高級引擎 (選用)**：`Azure Speech Service` - 專業級自然語音合成
- **自動備援**：Azure 失敗時自動切換到 Edge TTS
- **語音客製化**：可調整語速（-50% 到 +50%）、音調和音量參數
- **詞邊界擷取**：精確的時間資訊，完美同步字幕
### 📜 智能字幕生成
- **智能文字分割**：考慮自然語言斷點和標點符號的進階演算法
- **標點符號控制**：選擇是否在字幕中保留或移除標點符號
- **間距優化**：自動修正標點符號和引號周圍的間距問題
- **彈性行長度**：可配置的字幕行字數限制（20-80 字）
- **自然斷點**：檢測句子結尾、轉折詞和語音停頓
- **多語言支援**：針對中文和英文文字處理優化
### 🖥️ 現代化單頁式介面
- **側邊欄佈局**：所有設定整理在可展開的側邊欄中，提供清晰的工作流程
- **主題自適應**：自動適應 Streamlit 的深色/淺色主題模式
- **即時狀態**：即時字數統計、生成進度和狀態指示器
- **雙語言介面**：在側邊欄中切換繁體中文和英文
- **快速提示**：可展開的幫助區段，提供使用建議
- **響應式設計**：針對各種螢幕尺寸和設備優化
### 🚀 部署選項
- **Streamlit 網頁應用**：具有側邊欄控制的互動式單頁介面
- **增強 Docker**：優化的容器化配置，包含健康檢查和持久化卷
- **Docker Compose**：完整的編排設定，包含網路和環境管理
- **命令列介面**：自動化批次處理功能
- **Google Colab**：無需本地設定的雲端執行
## 📸 介面預覽
### 單頁式佈局與側邊欄控制
### 生成結果與下載
## 🏗️ 專案架構
```
text2srt_tts/
├── app/
│ ├── services/ # 核心業務邏輯
│ │ ├── voice.py # TTS 合成 (Azure & Edge)
│ │ └── subtitle.py # 增強字幕生成
│ ├── ui/ # 使用者介面元件
│ │ └── gui.py # 單頁式 Streamlit 應用
│ ├── utils/ # 工具函式
│ │ └── text_to_srt.py # SRT 格式化工具
│ └── cli/ # 命令列介面
│ └── __main__.py # CLI 入口點
├── locales/ # 國際化
│ ├── zh_TW.toml # 繁體中文
│ └── en.toml # 英文
├── docker/ # Docker 配置
├── docs/ # 文件資源
│ └── img/ # 截圖和圖片
├── task/ # 生成的輸出檔案
│ └── {task_id}/ # 個別任務結果
├── tests/ # 單元測試
├── Dockerfile # 優化的 Docker 配置
├── docker-compose.yml # 完整編排設定
├── .dockerignore # Docker 建置優化
├── config.example.toml # 配置範本
├── requirements.txt # Python 依賴
└── README.md # 此檔案
```
## 🚀 快速開始
### 1. 本地安裝
```bash
# 克隆儲存庫
git clone https://github.com/sheng1111/text2srt_tts.git
cd text2srt_tts
# 建立虛擬環境
python3 -m venv .venv
source .venv/bin/activate # Linux/macOS
# .venv\Scripts\activate # Windows
# 安裝依賴
pip install -r requirements.txt
# 啟動應用
streamlit run app/ui/gui.py
```
### 2. Docker 部署（推薦）
#### 使用 Docker Compose 快速設定
```bash
# 克隆並進入專案目錄
git clone https://github.com/sheng1111/text2srt_tts.git
cd text2srt_tts
# 使用 Docker Compose 啟動
docker-compose up --build
# 在 http://localhost:8501 存取應用
```
#### 手動 Docker 建置
```bash
# 建置映像
docker build -t text2srt_tts .
# 執行容器
docker run -p 8501:8501 -v ./task:/app/task text2srt_tts
# 使用環境變數
docker run -p 8501:8501 \
-e AZURE_KEY="your-key" \
-e AZURE_REGION="your-region" \
-v ./task:/app/task \
text2srt_tts
```
### 3. 配置（選用）
```bash
# 複製配置範本
cp config.example.toml config.toml
# 編輯配置檔案
# - 添加 Azure 憑證以使用高級 TTS（選用）
# - 配置語音選項和偏好設定
# - 設定 FFmpeg 路徑（MP3 輸出需要）
```
## 🔧 配置選項
### 語音設定
在 `config.toml` 中配置可用語音：
```toml
[voices]
"中文女聲" = { name = "zh-CN-XiaoxiaoNeural" }
"中文男聲" = { name = "zh-CN-YunxiNeural" }
"英文女聲" = { name = "en-US-AriaNeural" }
"英文男聲" = { name = "en-US-GuyNeural" }
"日文女聲" = { name = "ja-JP-NanamiNeural" }
"日文男聲" = { name = "ja-JP-KeitaNeural" }
```
### Azure TTS 設定（選用）
用於高級品質語音合成：
```toml
AZURE_KEY = "your-azure-key"
AZURE_REGION = "your-region"
```
### Docker 環境變數
在 `.env` 檔案中設定 Docker 部署變數：
```bash
# Azure TTS（選用）
AZURE_KEY=your-azure-key
AZURE_REGION=your-region
# Streamlit 配置
STREAMLIT_SERVER_PORT=8501
STREAMLIT_SERVER_ADDRESS=0.0.0.0
```
## 💡 使用技巧
### 單頁式介面
- **側邊欄控制**：所有設定都整理在左側邊欄中
- **主題適應**：介面自動適應您的 Streamlit 主題偏好
- **語言切換**：使用側邊欄頂部的語言選擇器
- **進度追蹤**：在主區域觀看生成過程的即時進度
### 文字輸入最佳實務
- 使用適當的標點符號來實現自然停頓
- 保持句子清晰簡潔以獲得更好的分割
- 避免過多特殊字符
- 先用較短的文字測試以獲得最佳效果
### 字幕優化
- **標點符號保留**：在側邊欄切換是否保留或移除標點符號
- **行長度**：根據內容類型調整（手機用 20-40，桌面用 40-80）
- **自然斷點**：演算法自動檢測句子結尾和轉折詞
- **間距控制**：自動修正標點符號和引號周圍的間距
### 語音參數調整
- **語速**：-50% 到 +50%（負值減慢，正值加快）
- **音調**：-50% 到 +50%（負值降低，正值提高）
- **音量**：-50% 到 +50%（負值降低，正值提高）
## 🌐 多語言支援
應用支援：
- **介面語言**：繁體中文 (zh_TW)、英文 (en)
- **文字處理**：針對中文和英文內容優化，包含適當的標點符號處理
- **語音選項**：通過側邊欄選擇多種語言特定語音
使用側邊欄的語言區段中的下拉選單切換語言。
## 🐳 Docker 功能
### 增強容器化
- **多階段建置**：優化映像大小和更快的建置速度
- **健康檢查**：應用健康狀態的自動監控
- **非 root 使用者**：使用專用應用使用者增強安全性
- **持久化儲存**：為生成檔案提供卷掛載
- **環境管理**：通過環境變數完整配置
### 生產就緒
- **資源優化**：高效的記憶體和 CPU 使用
- **自動重啟**：容器在失敗時自動重啟，除非手動停止
- **網路隔離**：專用 Docker 網路提供安全性
- **日誌管理**：結構化日誌用於監控和除錯
## 📊 效能與限制
### 效能特性
- **處理速度**：每分鐘語音約 5-10 秒處理時間
- **記憶體使用**：根據文字長度約 100-500MB
- **儲存空間**：每分鐘生成內容約 1-5MB
- **容器大小**：包含所有依賴的約 800MB Docker 映像
### 目前限制
- 最大文字長度：每次生成約 10,000 字
- 支援的音訊格式：WAV（預設）、MP3（需要 FFmpeg）
- 需要網路連線進行 TTS 合成
- 側邊欄需要最小螢幕寬度以獲得最佳顯示
## 🧪 測試
執行測試套件：
```bash
# 啟動虛擬環境
source .venv/bin/activate
# 執行所有測試
pytest
# 執行特定測試模組
pytest tests/test_subtitle.py
pytest tests/test_voice.py
# 執行覆蓋率測試
pytest --cov=app tests/
```
## 🤝 貢獻
我們歡迎貢獻！請參閱貢獻指南：
1. Fork 儲存庫
2. 建立功能分支 (`git checkout -b feature/AmazingFeature`)
3. 提交變更 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 開啟 Pull Request
### 開發環境設定
```bash
# 安裝開發依賴
pip install -r requirements-dev.txt
# 執行程式碼檢查
flake8 app/
black app/
# 執行類型檢查
mypy app/
# 本地測試 Docker 建置
docker build -t text2srt_tts:dev .
docker run -p 8501:8501 text2srt_tts:dev
```
## 📝 更新日誌
### v1.1.3（目前版本）
- 具有側邊欄控制的單頁式介面
- 增強的 SRT 生成與標點符號處理
- 主題自適應設計（深色/淺色模式支援）
- 改良的 Docker 部署與健康檢查
- 即時進度追蹤和狀態指示器
- 更好的錯誤處理和使用者回饋
- 優化的間距和文字處理演算法
### v1.0.1
- 初始版本，基本 TTS 和字幕生成
- 分頁式 Streamlit 介面
- Azure 和 Edge TTS 支援
- 基本 Docker 部署
## 📄 授權
本專案採用 MIT 授權條款 - 詳情請參閱 [LICENSE](LICENSE) 檔案。
## 🙏 致謝
- **Microsoft Edge TTS**：免費語音合成服務
- **Azure 認知服務**：高級 TTS 功能
- **Streamlit**：現代化網頁應用框架
- **Docker**：容器化平台
- **Python 社群**：優秀的程式庫和工具
## 📞 支援
- **文件**：[GitHub Wiki](https://github.com/sheng1111/text2srt_tts/wiki)
- **問題回報**：[GitHub Issues](https://github.com/sheng1111/text2srt_tts/issues)
- **討論**：[GitHub Discussions](https://github.com/sheng1111/text2srt_tts/discussions)
---
**⭐ 為此專案加星** 如果它幫助您創建更好的字幕和語音內容！