一、一体化剪辑软件（自带配音 + 字幕，上手最简单，首选）
1. 剪映（PC / 网页 / APP）
免费核心能力
- 文本朗读（AI 配音）：基础音色永久免费，上百种中文、方言音色，可调语速、停顿、重音；生成音频直接进时间轴，一键文稿匹配字幕。
- 语音转字幕：音频自动识别生成字幕，支持断句、批量修正、专有名词词库，导出 SRT 字幕文件。
- 导出无水印，基础配音 + 字幕个人自媒体完全免费；少数高级情感音色、声音克隆属于会员。
- 优势：配音和字幕时间轴自动对齐，一站式剪辑；支持多角色分段配音。
- 短板：高级音色商用需要看官方授权条款；本地批量长文本处理弱。
2. 必剪（B 站官方，PC / 移动端）
免费核心能力
- 全套 AI 文本朗读免费，二次元、游戏解说音色丰富；自动字幕识别。
- 适合游戏、动漫二创短视频，字幕样式偏向 B 站弹幕风格。
- 短板：音色库总量少于剪映，生态只偏向 B 站创作。
二、独立配音 / 独立字幕工具（单独导出音频、SRT 字幕，可导入任意剪辑软件）
1. Edge TTS（微软浏览器内置 TTS，强烈推荐）
- 完全免费、无字数限制，可本地脚本调用，音色是 Azure 云端同源，中文自然度极高。
- 用法：浏览器朗读文本；配合简单 Python 脚本批量导出 MP3 音频。
- 优势：可商用（微软原生语音版权），无水印，不限次数；
- 短板：原生不带字幕，需要搭配 Whisper 生成字幕。
2. Buzz（Whisper 图形化客户端，字幕神器）
GitHub：chidiwilliams/buzz
- 基于 OpenAI Whisper，本地离线语音识别，免费开源。
- 把视频 / 音频拖入，自动生成 SRT 字幕，支持区分说话人，多语种识别。
- 优势：不上传原始素材，隐私安全；字幕准确率高，可批量处理。
- 短板：只做字幕，不带配音；大模型需要下载，低配电脑速度慢。
三、开源本地全套方案（隐私优先、批量、声音克隆，技术向）
1. GPT-SoVITS｜本地声音克隆 TTS
GitHub：RVC-Boss/GPT-SoVITS
- 免费开源本地 AI 配音，5~10 秒参考音频即可克隆音色，离线推理，不上传素材。
- 支持长文本、多角色对话、精细停顿，输出 wav 音频，再导入剪辑软件手动对齐字幕。
- 适用：短剧、漫剧、角色固定 IP 配音；
- 短板：需要部署 Python 环境，显卡要求；克隆他人音色有法律风险，仅克隆本人声音。
2. Piper TTS｜轻量离线 TTS
- 开源本地 TTS，模型体积小，低配电脑也能跑，无字符上限，适合大批量文案配音。
- 纯文字转语音，不带字幕识别，适合批量生成旁白。
3. pyVideoTrans 视频翻译 + 配音 + 字幕一条龙
GitHub：jianchang512/pyvideotrans
- 开源免费，把视频丢进去：语音识别→翻译→AI 配音→生成字幕，自动合成。
- 底层引擎可自选 Faster-Whisper（字幕）+Edge-TTS/GPT-SoVITS（配音），支持离线。
- 适合：外语视频汉化二创、短剧出海；自动把原视频替换成中文配音 + 字幕。
- 短板：长视频处理耗时，需要校对翻译与字幕断句。
四、专业剪辑插件（Premiere / DaVinci 达芬奇插件，免费脚本）
1. PR 插件 / 脚本
- Whisper for PR：免费脚本，调用 Whisper 引擎，直接在 PR 内一键生成字幕轨道，导出 SRT。不用来回切换软件。
- TextToSpeech 脚本：调用 Edge-TTS，PR 内部生成配音音频。
2. DaVinci Resolve（达芬奇）免费版配套方案
- 达芬奇免费版原生不自带 AI 语音转字幕，但可以：
- 方案 A：外部 Buzz/pyVideoTrans 生成 SRT，直接导入达芬奇；
- 方案 B：AutoSubs v2 社区免费脚本，本地调用 Whisper，在达芬奇一键生成字幕。
配音：达芬奇本身没有内置免费 TTS，推荐 Edge-TTS/GPT-SoVITS 生成音频导入。
五、在线网页轻量工具（免安装，应急快速用）
- 媒小三配音：网页端，大量免费基础音色，无需注册，导出 MP3；适合快速试音。
- 残小豆提词快转（小程序）：音频转字幕 + AI 配音，基础功能免费，SRT 导出。
六、选型决策速查表
| 需求场景 | 推荐方案 |
|---|---|
| 新手短视频，配音字幕一站式，不想折腾代码 | 剪映专业版 |
| 只需要字幕，保护素材隐私，批量音频识别 | Buzz（Whisper） |
| 高质量旁白配音，商用，不想部署环境 | Edge-TTS |
| 短剧 / 漫剧，固定角色声音克隆，本地离线 | GPT-SoVITS |
| 外语视频自动翻译、换配音 + 字幕一条龙 | pyVideoTrans |
| PR / 达芬奇专业剪辑，需要插件内直接生成字幕 | Whisper 脚本 + Edge-TTS |
七、重要避坑（版权 & 技术）
- 声音克隆红线：只能克隆你本人的声音；未经授权克隆他人主播、演员音色，商用会侵权。
- 商用区分：剪映内置免费音色商用有约束；Edge TTS 原生支持商用，是自媒体商用配音首选。
- Whisper 识别字幕不是 100%，专业内容、专有名词，必须人工校对。
- 本地开源工具需要显卡资源；没有独显，长文本推理速度会明显变慢。
八、推荐工作流
1）普通短视频：文案 → 剪映文本朗读生成配音 → 文稿匹配自动字幕 → 导出成片
2）隐私批量生产 / 短剧：文案→GPT-SoVITS/Edge-TTS 生成配音音频 → Buzz 识别音频生成 SRT 字幕 → 导入 PR / 达芬奇剪辑
3）外语二创：原视频丢入 pyVideoTrans，一键识别 + 翻译 + 配音 + 字幕
