BreezeVoice
文字转语音 + 字幕 · Windows
BreezeVoice 是一款 Windows 文字转语音软件：输入文字，选服务和音色，导出音频和 SRT 字幕。一个窗口里接入 Edge、Azure、阿里云百炼、ElevenLabs 和 Windows 系统语音，语速、音调、音量统一调节，不用在几家后台之间来回切换。
界面示意图，以实际软件为准
五家语音服务，一个窗口
Edge 和系统语音不需要任何账号；Azure、阿里云百炼、ElevenLabs 需要在设置里填入你自己的 API Key，费用按各家规则结算。API Key 保存在 Windows 凭据管理器里，不写进任何文件。
Edge 在线
免 Key，开箱即用；字幕时间轴精确到句（微软非官方接口）
Azure 语音
微软官方服务，有免费档；读音纠正走 SSML 音标
阿里云百炼
CosyVoice 中文音色，语速、音调、音量都可调
ElevenLabs
支持情绪标签，可直接选用账号里已有的克隆音色
Windows 系统语音
不联网也能用，音质一般，适合应急
功能特点
插入停顿，纠正多音字
在文字里插入指定时长的停顿，所有服务效果一致，字幕时间自动顺延。多音字可以手动指定读音，例如“行（xíng）走”和“银行（háng）”。
长文本自动分段
整篇文章直接粘进来，软件按句子无损切段、逐段合成，再拼成一个完整文件。底部进度条显示分段进度，中途可以取消。
批量生成
按行、按空行或按文件拆分，每条生成一个独立音频。单条失败不影响其他条，可以单独重试。
多角色对话
每句话指定一个角色，每个角色绑定自己的服务和音色。逐句合成、句间留白，最后导出一个完整音频和一份字幕。
语气导演
用一句话描述想要的语气，比如“先平静、语速很慢，然后加快，愤怒地说完”，由大模型把台词切成几段并标好语速和情绪。可选阿里云百炼、DeepSeek、Kimi、OpenAI 或自填接口。
MP3 / WAV + SRT 字幕
导出 MP3 或 WAV，同时生成 SRT 字幕。Edge 用接口返回的句子时间，时间轴精确；其他服务按字数估算，并在旁边标明是“精确”还是“估算”。
免费版与 Pro：免费版可以使用单段配音，每天最多生成 10 次；激活 Pro 后解锁批量生成和多角色对话，不限次数。
软件截图
以下为 Windows 版实际界面。
语气导演
一句话说出想要的语气，大模型切段并标好语速和情绪；可选一次合成（语气连贯）或分段合成（每段分明）。
ElevenLabs 音色库
数千个公共音色，按性别、年龄、语言、场景和关键词筛选，试听样音后一键选用。
阿里云百炼音色库
CosyVoice v2 / v3-flash / v3-plus 近 200 个音色，按模型、语言、场景筛选并试听。
API Key 与设置
各家 Key 集中填写，附申请入口；ElevenLabs 可直接查询本月额度。Key 只存在 Windows 凭据管理器。
试听样音
下面这段由 BreezeVoice 生成。
“需要配音吗？你好呀，这是我的声音！欢迎使用这个声音来为您的视频进行配音。”