-
#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:5 days 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: 5 days 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:5 days 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: 5 days 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:5 days 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: 5 days 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:5 days 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: 5 days ago -
#7101 kotoba-tech/kotoba-whisper-v2.0 这个模型在models--kotoba-tech--kotoba-whisper-v2.0文件夹下的模型主体是什么格式的？、...
💬 9[Last reply:5 days ago] 此报错并非高级设置导致，而是模型文件损坏或不完整所致。你之前将权重文件误改为 model.safetensors.mv，即使重命名为 model.safetensors，文件内容也极可能已损坏。这个张量维度不匹配的错误，正是 HuggingFace_ASR 渠道加载该模型时特征尺寸不一致的典型表现。解决方案：删除整个 models--kotoba-tech--kotoba-whisper-v2.0...159.195**9 Posted at: 5 days ago -
#7100 语音识别阶段出错[Huggingface_ASR(内置)] Could not load model D:/win-pyvideotrans-v4.11/models/models--kotoba-tech--kotoba-whisper-v2.0 with any of the following classes: (<class 'transformer...
💬 1[Last reply:5 days ago] 导致该报错的根本原因是：kotoba-tech/kotoba-whisper-v2.0 模型文件下载不完整或未下载成功，模型目录中缺少核心权重文件（model.safetensors 或 pytorch_model.bin），导致 Huggingface_ASR(内置) 渠道无法加载。请按以下步骤操作：删除不完整的模型目录 进入 D:/win-pyvideotrans-v4.11/models/...182.147**1 Posted at: 5 days ago -
#7099 indextts 该渠道需另行部署并启动后可用self.api_url='http://127.0.0.1:7860'...
💬 1[Last reply:5 days ago] 报错[WinError 10061] 由于目标计算机积极拒绝，无法连接的根本原因是：pyVideoTrans 无法连接到 http://127.0.0.1:7860 上的 Index-TTS 服务。该服务并未启动，或端口/地址填写不正确。Index-TTS 属于「本地自行部署」渠道，pyVideoTrans 本身不附带该服务，使用前必须先在你自己电脑上单独部署并启动它。解决方法确保 Index-T...113.103**7 Posted at: 5 days ago -
#7098 Could not parse response content as the length limit was reached - CompletionUsage(completion_tokens=65536, prompt_tokens=3175, total_tokens=68711, completion_tokens_details=None, ...
💬 1[Last reply:5 days ago] 报错原因是：DeepSeek 翻译时输出了 65536 个 token，达到了模型或设置的最大长度限制，导致返回内容被截断，无法解析为正常字幕。这说明你当前一次性提交给 AI 翻译的字幕量过大，或者 AI 渠道的 max token 设置过小。解决方案（任选其一或组合使用）：减小每次提交给 AI 翻译的字幕行数 进入 菜单 -> 工具/选项 -> 高级选项 -> 字幕翻译调整，...95.41**8 Posted at: 5 days ago -
#7097 必须选择视频文件=system:Windows-10-10.0.26100-SP0version:v4.12frozen:Truelanguage:zh_CNroot_dir:D:/pyvt/win-pyvideotrans-v4.12...
💬 1[Last reply:5 days ago] 这是软件的正常校验提示：在执行前必须至少选择一个有效的音视频文件。解决方法：点击主界面左上角 「选择音频或视频」 按钮，选择要翻译的文件（支持 mp4/mkv/avi/mov/wav/mp3 等格式）。确认所选文件路径不包含特殊符号、中文，且存储位置存在可读权限（建议放在英文路径下，如 D:/videos/001.mp4）。如果已选择文件但仍报此错，请检查是否意外清除了文件选择框，或所选文件已被移...216.227**8 Posted at: 5 days ago -
#7096 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...
💬 3[Last reply:5 days ago] 该报错是模型文件不完整或损坏，导致音频特征张量长度不匹配（3000 与 3104 不一致）。按以下顺序处理：删除模型文件夹 D:/win-pyvideotrans-v4.11/models/models--kotoba-tech--kotoba-whisper-v2.0，回到软件重跑，让软件自动重新下载。若自动下载仍失败，手动下载该模型所有文件（https://huggingface.co/kot...45.12**6 Posted at: 5 days ago -
#7095 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...
💬 3[Last reply:5 days ago] 这是 Huggingface_ASR(内置) 渠道的 kotoba-tech/kotoba-whisper-v2.0 模型与 transformers pipeline 批次填充逻辑不兼容导致的张量维度错误。该模型在日语识别时，pipeline 内部按 batch 填充时无法正确对齐输入向量长度，导致 RuntimeError。建议按以下方案解决：更换该渠道下的其他日语模型将 Huggingfac...45.12**6 Posted at: 5 days ago -
#7091 还是会出现漏句子的情况 ，太难受了...
💬 27[Last reply:5 days ago] 具体部署 Parakeet-API 的步骤不在我的知识库中，无法提供可靠的操作指南。该渠道属于“高级自定义”类，需要你自行在本地或服务器上部署一个支持 GPU 加速的 Parakeet 语音转录服务，然后让 pyVideoTrans 通过 API 地址调用它。知识库中仅提供了该渠道的文档链接，具体部署步骤请访问：请查阅相关文档：Parakeet-tdt(本地API)。如果你不熟悉 Python 环...182.147**1 Posted at: 5 days ago -
#7093 [Errno 13] Permission denied: 'E:/菊花/新建文件夹/中/BOBB-442J.srt'：E:/菊花/新建文件夹/中/BOBB-442J.srtTraceback (most recent call last):...
💬 5[Last reply:5 days ago] Parakeet 模型不区分软件版本，v4.12 中可直接使用以下两种方式：内置「parakeet日语(内置)」渠道 模型下载地址（首次使用时自动下载，失败可手动下载）： https://modelscope.cn/models/himyworld/videotrans/resolve/master/parakeet-ja.zip 下载后解压，将压缩包内的 parakeet 文件夹复制到软件...182.147**1 Posted at: 5 days ago -
#7094 我用的是4.08版本，现在发现是4.12版本了，中间的版本，一共更新了什么新功能和修复bug，为我整理出来...
💬 1[Last reply:5 days ago] 当前知识库仅包含 v4.12 的最新更新日志，未收录 v4.09 至 v4.11 的逐版本变更记录，因此无法准确整理中间版本的完整更新内容。v4.12 版本的更新日志如下：移除whisper预分割音频、合并邻近短字幕优化 VAD 切分算法优化翻译提示词LLM重新断句调整为LLM纠错，只修改错别字和恢复标点，不重新断句，可在高级选项-通用设置-LLM纠错AI渠道调整，默认 DeepSeek二次识别固...141.11**2 Posted at: 5 days ago -
#7092 pyvideotrans翻译出来保存的字幕是乱码怎么回事...
💬 5[Last reply:5 days ago] 暴风影音对 UTF-8 编码的 SRT 文件支持不佳，默认通常按系统区域（GBK/ANSI）解析，导致文字乱码。您保存的字幕文件本身很可能内容是正确的，只是编码格式不被播放器识别。可按以下步骤处理：1. 用记事本或 Notepad++ 打开该 SRT 文件，确认内容是否为正常文字（若正常则说明只是编码读取问题）。2. 在编辑器中选择“另存为”，编码选择“UTF-8 with BOM”或“ANSI/...240e**62b4 Posted at: 5 days ago -
#7090 网络连接失败Traceback (most recent call last):...
💬 1[Last reply:5 days ago] 这是网络连接失败引起的。根据日志，你在使用 ElevenLabs.io 语音识别渠道时，经代理 http://127.0.0.1:7892 访问其服务器，但 SSL 握手被服务器中断（EOF occurred in violation of protocol），通常表示代理未生效、端口错误或代理不稳定。解决方案：确认你的科学上网工具已启动，且代理端口确为 7892（可在主界面"对齐控制"行右侧的代...2a09**1ba Posted at: 5 days ago -
#7089 Unable to open file 'model.bin' in model 'D:/pyvideotrans-v4.12/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo',Traceback (most recent call last): File...
💬 1[Last reply:5 days ago] 错误原因是 faster-whisper large-v3-turbo 模型的 model.bin 文件缺失或下载不完整，导致模型无法加载。解决方案：删除损坏的模型目录 关闭软件后，删除整个文件夹： D:/pyvideotrans-v4.12/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo重新获取模型重新打开软件执行任务...43.212**9 Posted at: 5 days ago -
#7086 显示Resegment:ended...
💬 19[Last reply:6 days ago] 该日志片段 {"type": "logs", "text": "Resegment:ended"} 是语音识别子进程完成断句/纠错阶段后输出的正常标记，说明 faster-whisper 已成功处理识别结果并结束该步骤。它本身不是错误，也不表示流程中断。当前任务未继续或找不到 _video_out 文件夹，请按以下顺序...119.98**6 Posted at: 6 days ago -
#7088 Unable to open file 'model.bin' in model 'D:/BaiduNetdiskDownload/win-pyvideotrans-v4.12/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo',Traceback (most recent call l...
💬 1[Last reply:6 days ago] 模型文件缺失或损坏，model.bin 无法被 faster-whisper 正确加载。这通常是因为模型下载不完整（大小/哈希校验失败）或文件被浏览器自动重命名所致。解决方案：彻底删除损坏的模型文件夹 删除整个目录：D:/BaiduNetdiskDownload/win-pyvideotrans-v4.12/models/models--mobiuslabsgmbh--faster-whispe...164.52**2 Posted at: 6 days ago -
#7087 Lỗi trong giai đoạn nhận diện giọng nói[faster-whisper(Tích hợp sẵn)] No transcription results returned. Please check the original audio/video [info.duration_after_vad=0.0s].info=T...
💬 1[Last reply:6 days ago] Lỗi này do VAD (Voice Activity Detection) không phát hiện được bất kỳ phân đoạn giọng nói nào trong âm thanh. Cụ thể, log cho thấy:Tổng thời lượng âm thanh: 688.69 giâyThời lượng sau VAD: 0.0 giây → t...116.99**8 Posted at: 6 days 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.