Hola, tengo una cuestión, ahora es mucho más fácil transcribir un video con la inteligencia artificial y después importar a Premiere o vegas para crear subtítulos insertados en la propia imagen de video, pero se os ocurre alguna manera de convertir ese mismo texto a voz artificial y crear fichero o pista de audio con el mismo código de tiempo o que simplemente se sincronice con el video original?

se podría hacer con cualquier conversor de texto a voz, pero después se tendría que cortar y ajustar manualmente cada parte del texto.

Ejemplo:
1
00:00:00,000 --> 00:00:02,520
In this space we like to feel a bit of everything,

2
00:00:02,600 --> 00:00:04,600
but the important thing is to make dance.

3
00:00:04,680 --> 00:00:06,680
A task performed by all digiles

4
00:00:06,760 --> 00:00:12,160
and one who has been doing this since the 80s is the maestro Maik

5
00:00:12,240 --> 00:00:14,240
Good evening Maik.

Alguna idea?