English · 简体中文
TTS Dataset Studio 是一个面向 Windows 的轻量 TTS 素材截取与字幕整理工作站。 它把音视频导入、波形预览、多字幕轨、非破坏区间、增益控制和 FFmpeg 导出放在 同一个界面中，目标是让“随手截一句可训练语音”不再需要启动完整视频剪辑软件。
当前版本：
v0.1.0-alpha.1。这是预发布版本，请在重要操作前保存工程。
- 拖入视频或音频，自动关联同目录下的 SRT、ASS 和 VTT 字幕。
- mpv 视频预览、纯音频波形预览以及可缩放多字幕轨时间线。
- 字幕和导出区间自由调整，支持多选、吸附、撤销与重做。
- WAV、FLAC、MP3 导出，支持采样率、声道、位深、增益、淡入淡出和命名模板。
- 字幕文本自动命名音频并可生成同名 UTF-8 TXT。
- D/F 逐帧移动、C 保存原视频静帧、Windows 右键菜单安装。
- 可选接入 MOSS-Transcribe-Diarize，对选中区间生成时间戳和说话人字幕。
从 Releases 下载
TTS-Dataset-Studio-*-windows-x64.zip，解压后直接运行
TTS Dataset Studio.exe。便携包已经包含 FFmpeg、ffprobe 和 mpv。
如需开始菜单快捷方式和 Win11 文件右键菜单，在解压目录运行：
powershell -ExecutionPolicy Bypass -File .\Install.ps1要求 Windows 10/11 x64、Python 3.11–3.14、uv；
FFmpeg/ffprobe 必须位于 PATH，mpv 可选。
git clone https://github.com/Yukikaze1945/TTS-Dataset-Studio.git
cd TTS-Dataset-Studio
uv sync --extra dev --frozen
uv run tts-dataset-studio- 将视频或音频拖入素材库或时间轴。
- 点击字幕，或使用
I/O创建导出区间。 - 拖动字幕或区间边缘修正时间；在右侧调整增益和导出预设。
- 按
E导出音频和可选 TXT。 - 使用
Ctrl+S保存.ttds工程；原媒体和原字幕不会被修改。
| 快捷键 | 功能 |
|---|---|
| Space | 播放/暂停 |
| I / O | 设置入点/出点 |
| Enter | 播放当前字幕或区间 |
| E | 按当前预设导出 |
| X | 删除选中的导出区间 |
| D / F | 上一帧/下一帧 |
| C | 保存当前原视频静帧 |
| Ctrl+S | 保存工程 |
| Ctrl+Z / Ctrl+Shift+Z | 撤销/重做 |
| Alt+滚轮 | 缩放时间线 |
| ? | 显示快捷键帮助 |
MOSS、PyTorch 和模型权重不包含在仓库或便携包中。准备好 MOSS-Transcribe-Diarize 环境后，可通过以下任一方式让软件发现它：
- 设置环境变量
MOSS_TRANSCRIBE_DIARIZE_HOME。 - 放在任意磁盘的
moss-asr\MOSS-Transcribe-Diarize。 - 在“文件 → 高级设置 → ASR”中手动选择目录、Python 和模型。
加载模型后，选择一个或多个导出区间并点击“识别选中片段”。取消识别不会卸载模型。
uv sync --extra dev --frozen
uv run ruff check src tests
uv run pytest构建完整便携包：
.\scripts\fetch-runtime.ps1
.\scripts\build-release.ps1 -Version 0.1.0-alpha.1- 首发仅支持 Windows 10/11 x64。
- 单个时间线只打开一个源素材，不支持素材拼接、转场或视频成片导出。
- MOSS ASR 依赖用户自己的 Python/CUDA/模型环境。
- V1 不包含降噪、说话人分离、质量评分和训练框架专用 metadata。
项目源码采用 MIT License。便携版包含的 Qt/PySide6、FFmpeg、mpv 及其他组件遵循各自许可证，详见 第三方声明。