前言

在 YouTube 视频制作过程中，除了视频内容本身，配音和多音轨制作也是影响观看体验的重要环节。对于一些没有配音条件，或者希望快速制作不同语言音频版本的创作者来说，将字幕转换成语音是一种非常实用的方式。

YouTube 支持多音轨（Multi-language Audio）功能，创作者可以在同一个视频中添加多个音频轨道，让观众根据需求选择不同语言或不同版本的配音。相比重新录制视频，多音轨可以让视频制作流程更加灵活。

本期教程将带大家使用 Docker 部署 ywsj-tts-studio 项目，搭建一个简单易用的字幕转语音工具。通过该项目，可以将字幕内容快速转换成语音文件，并应用到 YouTube 视频多音轨制作流程中。

相比其他在线字幕转语音服务，自建 ywsj-tts-studio 具有以下优势：

✅ Docker 一键部署，安装简单，方便维护
✅ 本地运行，数据更加可控
✅ 支持字幕快速转换语音
✅ 方便制作 YouTube 视频多音轨文件
✅ 提高视频后期制作效率

本教程将从 Docker 环境配置开始，详细介绍 ywsj-tts-studio 的部署方法、字幕转语音操作流程，以及如何将生成的音频应用到 YouTube 多音轨视频中。

通过这套方案，可以快速完成字幕到语音的转换，让视频后期制作更加简单高效。

我们看下世界第一网红MrBeast 野兽先生
每个视频都自带多钟语言的音频，更适合世界各国人观看

项目图示

web界面

生成中

完成语音转换

项目简介

字幕转语音工具 — 上传 SRT/VTT 字幕，自动生成多语言语音，支持 YouTube 多音轨制作

✨ 功能

📝 字幕转语音 — 上传 SRT/VTT 字幕，自动提取文字内容生成语音
🌍 322 个音色 — 支持 75 种语言（中文/英语/日语/韩语/法语…）
🔊 在线试听 — 每个音色可点击试听语音示例
⏱️ 时间轴对齐 — 语音按字幕时间戳精确排列，超长自动加速适配
🎚️ 语速/音量调节 — 实时滑块调整
🔐 用户认证 — 登录保护，防暴力破解（5次失败锁定5分钟）
📋 生成历史 — SQLite 数据库记录每次生成
🌗 明暗主题 — 默认亮色，一键切换暗色
🐳 Docker 部署 — 一键启动，支持 AMD64 + ARM64 双架构

平台	架构	适用场景
linux/amd64	x86_64	VPS、PC服务器、Intel/AMD
linux/arm64	ARM64	树莓派、Mac M系列、ARM 云服务器

🎤 常用中文音色

音色ID	性别	风格
zh-CN-YunxiNeural	男声	云希（自然，推荐）
zh-CN-YunyangNeural	男声	云扬（新闻播报）
zh-CN-XiaoxiaoNeural	女声	晓晓（自然，推荐）
zh-CN-XiaoyiNeural	女声	晓伊（温柔）
zh-CN-YunjianNeural	男声	云健（激情/体育）
zh-CN-liaoning-XiaobeiNeural	女声	晓北（东北话）
zh-CN-shaanxi-XiaoniNeural	女声	晓妮（陕西话）
zh-HK-HiuGaaiNeural	女声	粤语
zh-TW-HsiaoChenNeural	女声	台湾繁体

部署方法

使用Docker安装

本教程使用docker的方式安装部署,简单便捷
164b6ac419e23bc5390dc46601a202bf

准备条件

1）一台服务器

我们使用莱卡云VPS来演示(各种NAS/Windows/MAC都可以部署)
需要vps的可以看以下信息，配置尽量选择大点的比如2核心4G内存
莱卡云官网

2）本教程使用到的项目

本教程使用的官方github地址
https://github.com/yyzq-cf/ywsj-tts-studio

项目刚创建，请帮忙点个stars

3）域名(可选)

根据自己的需求,web界面建议绑定域名

VPS部署

一、Docker环境部署

在vps安装docker和docker-compose
Docker官方安装文档（英文）
https://duan.yyzq.eu.org/docker-001
Docker-Compose官方安装文档（英文)
https://duan.yyzq.eu.org/docker-002
Centos安装Docker和Docker-compose（中文）
https://duan.yyzq.eu.org//03
Ubuntu安装Docker和Docker-compose（中文）
https://duan.yyzq.eu.org//04

推荐直接用一键脚本

docker安装脚本

bash <(curl -sSL https://cdn.jsdelivr.net/gh/SuperManito/LinuxMirrors@main/DockerInstallation.sh)

docker-compose安装脚本

curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose && chmod +x /usr/local/bin/docker-compose

二、部署命令

登录服务器使用root账户执行以下步骤

docker-compose命令

mkdir  ywsj-tts-studio ;cd ywsj-tts-studio

请自行安装vim编辑器
然后再新建docker-compose.yml

vim docker-compose.yml

services: # 定义 Docker Compose 服务
  tts-studio: # 服务名称
    image: ywsj/tts-studio:latest # 使用 ywsj-tts-studio 最新版 Docker 镜像
    container_name: tts-studio # 指定容器名称为 tts-studio
    restart: always # 容器退出后自动重启，保证服务持续运行
    ports:
      - "5100:5100" # 映射宿主机 5100 端口到容器 5100 端口
    environment: # 设置容器运行环境变量
      - ADMIN_USERNAME=${ADMIN_USERNAME:-admin} # 设置后台登录用户名，默认用户名为 admin
      - ADMIN_PASSWORD=${ADMIN_PASSWORD:-admin123} # 设置后台登录密码，默认密码为 admin123
      - SECRET_KEY=${SECRET_KEY:-tts-web-secret-key-change-me} # 设置 Web 安全密钥，建议修改为自定义随机字符串
    volumes:
      - ./output:/app/output # 将当前目录 output 文件夹挂载到容器内 /app/output，用于保存生成的语音文件

注意端口如有冲突自行修改
默认用户名密码
admin
admin123

三、执行容器运行命令

docker-compose up -d #运行容器

docker-compose ps  #查看是否启动成功

正常启动如下所示

docker-compose ps
NAME              IMAGE                    COMMAND              SERVICE           CREATED          STATUS          PORTS
ywsj-tts-studio   ywsj/tts-studio:latest   "python -u app.py"   ywsj-tts-studio   10 minutes ago   Up 10 minutes   0.0.0.0:5100->5100/tcp, [::]:5100->5100/tcp