功能介绍

一、语音转文字（离线高精度）

采用 Whisper 深度学习识别引擎，支持普通话、英语等多语种音频转写：

• 支持常见音频格式（MP3/WAV/M4A 等），长音频自动分段处理；
• 边录边识别的实时预览，也可对已有录音整段转写；
• 自动断句与标点整理，结果可复制、可保存为文本；
• 全程本机离线推理，音频不出电脑，隐私安全；识别引擎不可用时自动降级为 Windows 内置识别。

二、文字转语音（多音色多风格）

将文字合成为自然流畅的人声朗读：

• Edge 神经网络语音：数十种中文男女声，支持新闻、客服、聊天等多种风格与语速调节；
• 合成结果保存为 MP3，可用于配音、有声读物、课件讲解；
• 离线环境自动回退 Windows 本地语音，保证始终可用；
• 支持克隆声音合成（见下文），生成专属音色的朗读音频。

三、声音克隆（XTTS 本地训练）

只需几段本人录音样本，即可训练出高度相似的专属声音：

• 软件内一键录音采集样本，样本管理、训练任务队列全自动化；
• 训练完成后可用克隆声音朗读任意文字，效果接近真人；
• 训练与推理全部在本机完成（内置 XTTS 模型与便携 Python 环境），无需联网、不泄露声纹数据。

四、数字人讲解视频

一张人物照片 + 一段讲解文字，自动生成会说话的数字人视频：

• 自动合成语音并驱动照片口型与表情，画面自然；
• 可选男声、女声或您的克隆声音；
• 适合课程开头、产品讲解、宣传口播等场景，导出标准 MP4。

五、文档讲解视频

把 PPT 或 PDF 变成有声有色的讲解视频：

• 自动解析文档：逐页导出画面并提取页面文字（PDF 扫描页自动 OCR 识别）；
• 逐页编辑讲解词，选择音色与风格后自动配音；
• 每页视频自动烧录字幕，最终一键合并为完整讲解 MP4。

六、图片讲解视频

用一组图片做出有声有色的讲解视频：

• 多张图片按顺序添加、上下移动调整，支持项目管理；
• 每张图片可配录音、导入音频或用文字转语音生成讲解配音（女声/男声/克隆声音）；
• 讲解文字可自动保存为字幕并烧录到画面，最终一键合成完整讲解 MP4。

七、短视频配音

为现有视频替换或叠加解说音频：

• 支持消除视频原声或原声与新音频混合；
• 按视频时长或音频时长智能对齐；
• 可选烧录字幕，快速产出成品短视频。

八、视频压缩

在尽量保持清晰度的前提下大幅减小视频体积：

• 四档压缩档位：清晰优先、均衡推荐、体积优先、极致压缩；
• 均衡档位采用智能码率压缩（CRF 26），同清晰度下通常可缩小 50%～80% 体积；
• 实时进度显示，压缩完成后可直接播放、打开位置或另存，日常分享与存储首选。

账号与离线使用说明

软件启动后使用账号登录（可在软件内直接注册）：

• 登录成功一次后即可离线使用软件，离线宽限期 7 天；
• 联网时软件每 24 小时自动静默校验授权，不影响使用；
• 软件仅上传必要的文字操作日志用于服务改进，不上传您的音频、视频等文件。