-
#7122 Unable to open file 'model.bin' in model 'D:/Program Files (x86)/sp4.12/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo',Traceback (most recent call last): File...
💬 1[Last reply:1 month ago] 模型文件 model.bin 缺失或损坏，这通常是由于首次使用时自动下载模型未成功或不完整导致的。解决方案：彻底删除模型文件夹 D:/Program Files (x86)/sp4.12/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo；重新运行软件，让其自动重新下载模型；若自动下载仍失败，请手动前往 https://hugg...141.11**2 Posted at: 1 month ago -
#7120 shape '[1, 4138, 1, 32, 2]' is invalid for input of size 262144,Traceback (most recent call last): File...
💬 1[Last reply:1 month ago] This error is caused by a tensor shape mismatch inside the Confucius-TTS model's rotary embedding layer, typically triggered when the reference audio used for voice cloning is too long or the input se...188.192**8 Posted at: 1 month ago -
#7119 GPT-SoVITS-v2pro-20250604 下载链接...
💬 1[Last reply:1 month ago] 暂无法提供该特定版本的下载链接。知识库中未收录 GPT-SoVITS-v2pro-20250604 的官方下载地址。建议：前往 GPT-SoVITS 官方 GitHub 仓库（https://github.com/RVC-Boss/GPT-SoVITS）查看 Release 页面。或参考 pyVideoTrans 的 GPT-SoVITS 接入文档获取配置说明。请查阅相关文档：GPT-SoVITS...188.253**4 Posted at: 1 month ago -
#7118 视频中有多个角色，类似演讲、电视剧这类的视频，每个角色说的话都要克隆音色，即一钟角色的讲话对应一种音，现在也有对应的字幕，需要怎么做...
💬 1[Last reply:1 month ago] 核心原因：多角色克隆音色必须启用“说话人分离”，并在“单视频交互模式”下为每个说话人指定 clone 配音角色。如果直接用已有字幕跳过语音识别，则无法进行说话人分离，也就无法自动区分角色。操作步骤：在“翻译视频”界面选择单个视频文件（必须单视频，才会弹出交互编辑窗口）。展开“设置更多参数”，勾选 识别说话人，并设置 最大说话人 数量（≥实际角色数）。不要把已有字幕放入 _video_out 目录，...123.115**0 Posted at: 1 month ago -
#7117 自动下载模型失败，你可以点击 【查看帮助教程】 了解如何手动下载...
💬 1[Last reply:1 month ago] 这是模型下载中断导致的。你使用的 biodatlab/whisper-th-large-v3 模型完整大小约 3.2GB，但网络连接在下载到 2.2GB 时就断开了，只下载了一部分。解决步骤：删除不完整的模型文件 删除 D:/BaiduNetdiskDownload/win-pyvideotrans-v4.12/models/models--biodatlab--whisper-th-large...18.162**8 Posted at: 1 month ago -
#7116 mkl_malloc: failed to allocate memory:Traceback (most recent call last): File...
💬 1[Last reply:1 month ago] 这是系统内存（物理内存或虚拟内存）不足导致的分配失败。你当前使用 faster-whisper(内置) + large-v3-turbo 模型，且未启用 CUDA 加速，纯 CPU 运行，内存消耗较高。错误发生在语音识别的 restore_speech_timestamps（时间戳恢复）阶段，此时一次性加载了较大音频片段。建议操作（按优先级排序）降低模型尺寸 将语音识别模型从 large-v3-...129.153**1 Posted at: 1 month ago -
#7115 没有Nvidia的显卡，只有Intel 的集显Arc 130v, 如何用它加速？...
💬 1[Last reply:1 month ago] Intel 集显无法用于 CUDA 加速。pyVideoTrans 的 GPU 加速仅支持 NVIDIA（N卡），AMD 或 Intel 显卡均不支持 CUDA 加速，因此 Arc 130v 无法用于加速。若你有 AMD 显卡，可尝试源码部署后使用 Whisper.net 渠道（仅限 Windows，支持 Vulkan 加速），但 Intel 核显无对应方案。建议使用 CPU 运行，或更换 NVI...129.153**1 Posted at: 1 month ago -
#7114 最新的4.12版本语音识别，切分更好一些吗？我用的是0.8版本，感觉英语切得断句很多，翻译过来后，没法听...
💬 5[Last reply:1 month ago] v4.12 相比 0.8 版本更新幅度较大，主要涉及语音识别切分算法、LLM 纠错逻辑、二次识别模型固定、修复多个 bug 等。其中与您当前痛点（英语断句碎）直接相关的是：优化了 VAD 切分算法，并将“LLM 重新断句”调整为“LLM 纠错”，只修正错别字和恢复标点，不再重新断句。这可能让字幕更符合原意，翻译后配音更连贯。另外，二次识别固定使用 faster-whisper 的 large-v3...2a14**38b Posted at: 1 month ago -
#7113 Unable to open file 'model.bin' in model 'D:/win-pyvideotrans-v4.12/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo',Traceback (most recent call last): File...
💬 1[Last reply:1 month ago] 这是由于 faster-whisper 的 large-v3-turbo 模型下载不完整或已损坏，导致无法读取其中的 model.bin 文件。解决方法：删除损坏的模型文件夹 进入路径：D:/win-pyvideotrans-v4.12/models/ 找到并删除整个文件夹：models--mobiuslabsgmbh--faster-whisper-large-v3-turbo重新自动下载 ...129.153**1 Posted at: 1 month ago -
#7112 pyvideotrans-v4.12 使用的是哪个版本的parakeet内置...
💬 5[Last reply:1 month ago] 无法查看您提供的图片内容。请描述图片中所示的“引擎”具体名称或界面位置（例如是语音识别、翻译还是配音渠道），或提供截图中的文字信息，以便定位。...171.91**5 Posted at: 1 month ago -
#7111 non-negative timestamp expected:Traceback (most recent call last): File...
💬 1[Last reply:1 month ago] This error is caused by a known VAD (Voice Activity Detection) timestamp generation bug in faster-whisper on pyVideoTrans v4.09. The speech_timestamps list you see contains segments where the end time...200.195**8 Posted at: 1 month ago -
#7110 No transcription results returned. Please check the original audio/video or model and try again.Traceback (most recent call last):...
💬 1[Last reply:1 month ago] 这是 faster-whisper 语音识别阶段未能从音频中识别出任何有效语音导致的错误。常见原因有：模型文件损坏/未完整下载、CUDA 加速异常、原音频无人声或音量过低、版本过旧存在已知 Bug。按以下顺序排查：验证模型完整性 进入 D:/win-pyvideotrans-v4.03-0623/models/ 目录，检查是否存在 models--mobiuslabsgmbh--faster-w...217.69**6 Posted at: 1 month ago -
#7109 语音识别阶段出错[Huggingface_ASR(内置)] Subprocess Error: regex>=2025.10.22 is required for a normal functioning of this module, but found regex==2023.10.3.Try: `pip install transformers -U`...
💬 1[Last reply:1 month ago] 语音识别阶段出错是因为软件内置的 transformers 库版本与 regex 库版本不匹配，导致 Huggingface_ASR(内置) 渠道无法正常运行。你使用的是 Windows 预打包版（frozen:True），无法直接执行 pip 更新，请按以下步骤解决：访问官方下载页 https://pyvideotrans.com/downpackage，重新下载当前最新版本的补丁包（约360M...58.255**3 Posted at: 1 month ago -
#7108 语音识别阶段出错[faster-whisper(内置)] 自动下载模型失败，你可以点击 【查看帮助教程】 了解如何手动下载...
💬 1[Last reply:1 month ago] 这是由于模型下载过程中网络连接中断导致的。日志显示 peer closed connection without sending complete message body (received 1387921431 bytes, expected 1617884929)，即下载到约 1.38GB 时连接被强制断开，模型文件下载不完整。解决方案1. 先删除不完整的模型文件模型下载失败后可能会留下残缺...15.164**9 Posted at: 1 month ago -
#7107 必须选择视频文件=system:Windows-10-10.0.18363-SP0version:v4.11frozen:Truelanguage:zhroot_dir:D:/軟件/win-pyvideotrans-v4.11...
💬 1[Last reply:1 month ago] 该报错通常是因为软件主界面未能成功加载到视频文件，最常见原因是软件安装路径或视频文件路径包含中文/特殊字符。你的安装目录是 D:/軟件/win-pyvideotrans-v4.11，其中包含中文「軟件」。软件底层依赖的 ffmpeg 等工具对非英文路径兼容性极差，会导致文件选择后无法正常识别，从而在点击「开始执行」时报出“必须选择视频文件”。请按以下步骤排查：确认是否真的选择了文件：检查主界面第一...43.243**2 Posted at: 1 month ago -
#7106 自动下载模型失败，你可以点击 【查看帮助教程】 了解如何手动下载HTTPSConnectionPool(host='www.modelscope.cn', port=443): Max retries exceeded with url: /api/v1/models/Qwen/Qwen3-TTS-12Hz-0.6B-Base (Caused by NewC...
💬 1[Last reply:1 month ago] 自动下载 Qwen3-TTS 模型失败，根因是程序尝试连接 www.modelscope.cn 时被系统拒绝访问（WinError 5），常见于杀毒软件拦截、网络代理未配置或防火墙阻断，导致无法自动拉取模型文件。解决方案：手动下载模型手动下载模型文件 打开以下地址，下载整个模型目录的所有文件（建议用浏览器直接下载或使用下载工具）：https://huggingface.co/Qwen/Qwen3...103.169**6 Posted at: 1 month ago -
#7105 语音识别阶段出错[Huggingface_ASR(内置)] The expanded size of the tensor (3000) must match the existing size (5337) at non-singleton dimension 1. Target sizes: [128, 3000]. Tensor sizes: [1...
💬 3[Last reply:1 month ago] 问题的核心：Huggingface_ASR(内置) 这一渠道在 v4.12 中因底层 transformers 库的已知兼容性问题，导致不同长度音频切片在批量填充时计算编码维度不一致而崩溃。该问题与模型是否完整下载无关，属于渠道本身缺陷。 解决方案（按优先级）：放弃该渠道，改用 parakeet日语(内置)，该渠道专为日语优化，质量高、无此报错。在主界面“语音识别”渠道下拉框中选择 parake...141.227**6 Posted at: 1 month ago -
#7104 语音识别阶段出错[Huggingface_ASR(内置)] The expanded size of the tensor (3104) must match the existing size (3000) at non-singleton dimension 1. Target sizes: [128, 3104]. Tensor sizes: [1...
💬 5[Last reply:1 month ago] 这不是您的设置或模型下载错误。kotoba-tech/kotoba-whisper-v2.0 这个默认模型本身存在与当前 transformers 库的兼容性问题，导致音频特征 padding 时维度不匹配（3104 vs 3000）。即使恢复全部默认设置，只要仍使用该模型，报错就会持续出现。请直接更换语音识别模型即可解决：在主界面语音识别渠道中，仍选择 Huggingface_ASR(内置)，将...141.227**6 Posted at: 1 month ago -
#7103 翻译字幕阶段出错 [DeepSeek] Could not parse response content as the length limit was reached - CompletionUsage(completion_tokens=65536, prompt_tokens=724, total_tokens=66260, completion_to...
💬 1[Last reply:1 month ago] 这是 DeepSeek 思考模式（Thinking）导致的输出长度超出上限问题。DeepSeek 在思考模式下会生成大量思维链 token，若同时每次翻译的字幕行数较多，模型在达到 65536 token 上限前仍未完成输出，响应被截断，从而报 LengthFinishReasonError。解决方法关闭 DeepSeek 思考模式打开 菜单 -> 翻译设置 -> DeepSeek取消...18.140**1 Posted at: 1 month ago -
#7102 翻译字幕阶段出错 [DeepSeek] Could not parse response content as the length limit was reached - CompletionUsage(completion_tokens=65536, prompt_tokens=724, total_tokens=66260, completion_to...
💬 1[Last reply:1 month ago] 这是 DeepSeek API 单次返回内容达到了模型输出 token 上限（completion_tokens=65536，即 65536 个 token），导致响应被强制截断抛出 LengthFinishReasonError。根本原因是一次提交给 DeepSeek 翻译的字幕行数过多，或 DeepSeek 设置中的 max_tokens 被设得过大，模型一次性生成了超长内容后被截断。解决步骤...95.41**8 Posted at: 1 month ago
Open source and free maintenance is not easy. If this project is helpful to you, please consider making a small donation to help the project continue to maintain and update.