依靠脚本 插件之类，通过字幕文件的时间轴生成语音文件 或者： 替代方案1：文本文件中给每句设置开始时间，然后语音合成（因为字幕每句长度不一定和实际生成语音一样） 替代方案2：长段文字语音合成时，依靠标点符号分割句子，然后手动给视频一段一段接上去 目标：给已有字幕的视频配音 不是制作营销号式读稿配视频，用白话说就是“配音跟视频的节奏走，不是视频跟配音走” 加： 2.21目前想到了几个搜索关键词： subtitles to speech 字幕转语音、字幕朗读 加2： 或者可以使用更简单的，SRT转SSML