自动剪辑配音字幕工具（Web UI）

本地网页工具，支持：

• 上传视频 + .srt 字幕
• 自动转成抖音竖屏 9:16（1080x1920）
• 原视频居中显示，不拉伸
• 空白区域使用视频模糊背景填充
• 按字幕时间线配音并混音（保留原声）
• 输出带字幕和配音的 MP4

配音来源

• 系统 TTS（macOS say）
• 外部配音音频（例如剪映导出）
• Voice Clone（参考 voicebox 的语音克隆流程）

环境要求

• Node.js 18+（推荐 22+）
• ffmpeg / ffprobe
• macOS（仅系统 TTS 需要 say）

启动 Web 工具

cd /Users/chenxincheng/Downloads/auto_dub_web
node server.mjs

浏览器打开：

• http://127.0.0.1:5001

Voice Clone（voicebox 参考实现）

项目已内置 voice clone API 接入，首次使用先安装后端依赖：

cd /Users/chenxincheng/Downloads/auto_dub_web
./scripts/setup_voicebox_backend.sh
./scripts/start_voicebox_backend.sh

然后在页面中：

1. 上传样本音频 + 参考文本，创建克隆档案
2. 在“配音来源”里选“语音克隆档案”
3. 处理视频时会按字幕逐句生成克隆语音并按时间线对齐

使用步骤

1. 上传视频文件（mp4/mov/mkv/avi/webm/m4v）
2. 上传 .srt 字幕文件
3. 选择配音来源：
   • 上传“外部配音文件”时，优先使用外部音频
   • 不上传外部音频时，可用系统 TTS 或 Voice Clone
4. 设置配音速度（0.5 ~ 3.0）与语速（系统 TTS 80 ~ 600）
5. 选择字幕位置（顶部/中间/底部）和字幕边距
6. 选择是否保留原声，调节原声/配音音量
7. 点击“开始生成”

输出目录

• 成品视频：/Users/chenxincheng/Downloads/auto_dub_web/outputs
• 中间文件：/Users/chenxincheng/Downloads/auto_dub_web/workspace

说明

• 字幕会优先尝试硬字幕；如果当前 ffmpeg 不支持对应滤镜，会自动切换为软字幕轨并生成 .vtt 供网页预览。
• 硬字幕默认样式：黄色文字 + 白色描边。
• 字幕文本会先按句号/问号/感叹号等标点拆句，再逐句配音并对齐时间线。
• 默认保留原视频音轨，并与配音混音后导出。