aeneas

上传音频和文本，自动生成逐字字幕时间轴

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 277 🐛 待处理 39 👀 关注 64

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2875

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，基于AGPL-3.0许可，可免费使用和自行部署。

项目预览

项目数据

分类音频音乐

开发团队readbeyond

官网地址http://www.readbeyond.it/aeneas

GitHubhttps://github.com/readbeyond/aeneas

定价模式🏷️完全免费

价格说明开源项目，基于AGPL-3.0许可，可免费使用和自行部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型alignment,audio,cli,dtw,espeak,espeak-ng,festival,ffmpeg,forced-alignment,linux,macos,nlp,python,smil,speech,srt,text,text-to-speech,tts,windows

GitHub 星标★ 2875

上线时间2015-05-11 00:00:00

代码更新2026-07-25

仓库体积28.5 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数8

项目介绍

aeneas 是一个用 Python/C 编写的开源工具集，用于自动将音频与文本进行强制对齐，即自动生成音频中每个单词或句子对应的时间戳。它解决了人工手动标注音视频字幕耗时费力的问题，能够快速生成精确的 SRT 字幕或 SMIL 媒体同步文件。核心能力包括：基于动态时间规整（DTW）的音频与文本对齐算法，支持多种语音合成引擎（如 espeak、festival）生成参考音频，与 FFmpeg 无缝集成处理音频格式，提供命令行工具和 Python API，可处理多语言文本。用户只需提供音频文件和对应的文本文件，aeneas 就能自动输出带时间戳的字幕，适用于教育视频、有声书、播客等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2875

技术标签

alignment audio cli ffmpeg linux

使用教程

难度：进阶约 20 分钟部署方式：本地安装 8 步

环境要求

Python（README 推荐 2.7.x），pip 可用
FFmpeg，需提供 ffmpeg、ffprobe 可执行文件
eSpeak，需提供 espeak 可执行文件
espeak、ffmpeg、ffprobe、pip、python 均能在 shell 中直接调用

安装与启动步骤

1安装三大依赖

按 README 先安装 Python、FFmpeg 和 eSpeak。Mac/Windows 可用官方一键安装包，Debian/Ubuntu 可用仓库内 Bash 脚本，也可用 VirtualBox+Vagrant 虚拟机。
2确认命令可用

README 要求 espeak、ffmpeg、ffprobe、pip、python 都能从 shell 中直接调用，缺失时需先把它们加入 PATH。
```
which espeak ffmpeg ffprobe pip python
```
3先装 numpy

README 特别强调安装顺序：必须先装 numpy，再装 aeneas，顺序颠倒可能导致安装失败。
```
pip install numpy
```
4安装 aeneas

numpy 装好后，用 pip 从 PyPI 安装 aeneas 本体。
```
pip install aeneas
```
5运行诊断检查

用官方诊断命令确认安装是否正常，输出中不应出现错误提示。
```
python -m aeneas.diagnostics
```

6查看用法与示例

不带参数运行可打印用法说明；加 --examples 可列出本机可直接运行的示例。

python -m aeneas.tools.execute_task
python -m aeneas.tools.execute_job
python -m aeneas.tools.execute_task --examples
python -m aeneas.tools.execute_task --examples-all

7生成同步映射文件

用 execute_task 把音频与文本对齐，第三个参数是配置字符串，最后一个参数是输出文件。

python -m aeneas.tools.execute_task \
    audio.mp3 \
    text.txt \
    "task_language=eng|os_task_file_format=json|is_text_type=plain" \
    map.json

8批量处理任务

任务较多时打包成 job.zip，其中需含 config.txt 或 config.xml，再用 execute_job 批量输出。
```
python -m aeneas.tools.execute_job job.zip output_directory
```

关键配置

配置项	必填	说明	示例
`task_language`	是	任务文本语言，如英语 eng	`eng`
`is_text_type`	是	输入文本格式，README 用到 plain 与 unparsed	`plain`
`os_task_file_format`	是	输出同步映射格式，如 json 或 smil	`json`
`os_task_file_smil_audio_ref`	否	SMIL 输出中引用的音频文件名	`audio.mp3`
`os_task_file_smil_page_ref`	否	SMIL 输出中引用的页面文件名	`page.xhtml`
`is_text_unparsed_id_regex`	否	unparsed 文本中片段 id 的正则，如 f[0-9]+	`f[0-9]+`

如何确认成功

运行 python -m aeneas.diagnostics 无报错即安装成功；执行 execute_task 后应生成 map.json 映射文件。

常见问题

Q：为什么必须先安装 numpy？

A：README 明确指出安装顺序很重要：先用 pip 装 numpy，再装 aeneas；顺序颠倒可能导致 aeneas 安装失败。

Q：不确定命令参数怎么用？

A：不带参数运行 python -m aeneas.tools.execute_task 或 execute_job 可打印用法消息，加 --examples 能列出可直接运行的示例。

Q：如何一次性对齐多个音频？

A：用 python -m aeneas.tools.execute_job job.zip output_directory，job.zip 内需包含 config.txt 或 config.xml 配置文件。

Q：文本文件该用什么格式？

A：README 示例使用 plain 纯文本格式，也支持 unparsed 格式的 xhtml 页面，片段由 id 属性如 f001 标记。

Q：支持哪些操作系统？

A：README 提供 Mac OS X、Windows 的一键安装包和 Debian/Ubuntu 的 Bash 脚本，也可下载 VirtualBox+Vagrant 虚拟机。

注意事项

README 对应版本为 1.7.3（2017-03-15），Python 推荐 2.7.x。
项目采用 GNU AGPL v3 许可。
配置字符串是 execute_task 的第三个参数，详细参数需查阅官方文档与教程。
完整安装细节见仓库 wiki 中的 INSTALL 文件。

核心亮点

对齐精度高，支持单词级时间戳，适合制作逐字字幕
命令行和 Python API 双接口，易于集成到自动化流程
支持多种语言和语音合成引擎，灵活适配不同文本

不足之处

依赖外部工具如 espeak 和 FFmpeg，安装配置较复杂
对长音频处理速度较慢，内存占用可能较高
文档和社区支持相对有限，遇到问题排查困难

适用场景

为教育视频自动生成双语字幕
有声书章节与文本同步制作
播客或访谈节目生成可搜索的文字索引

替代项目

Montreal Forced Aligner、WhisperX、Gentle

上一篇：elevenlabs-python

下一篇：genmusic_demo_list