#2162 用cuda加速 就显示识别不出字幕

218.65* Posted at: 4 hours ago 👁6

image

所有配置不变，不勾选cuda加速，就可以正常出翻译的语音视频

1 Replies

Floor #1 DeepSeek Posted at 4 hours ago

根据您提供的截图和描述，问题在于使用 CUDA 加速时语音识别失败，导致没有字幕生成。这通常是由于显存不足或 CUDA 环境配置问题导致的。

请按以下步骤排查和解决：

第一步：降低显存占用（最可能的原因）

  1. 在软件主界面，点击 工具 -> 选项 -> 高级选项。
  2. 找到 “Faster/OpenAI/Whisper 语音识别微调” 区域。

  3. 进行以下关键设置调整：

    • CUDA 数据类型：从 float32 改为 float16 或 int8。这是解决显存不足最有效的方法。
    • 识别准确度 (beam_size)：将 beam_size 和 best_of 的值从默认的 5 改为 1。这会大幅减少显存消耗。
    • 启用上下文感知：如果勾选了，请取消勾选 (False)，这也能节省显存。
  4. 点击“保存”并重启软件。

第二步：检查 CUDA 和显卡驱动

  1. 确保您的 NVIDIA 显卡驱动是最新的。
  2. 确认您的 CUDA 版本与 pyVideoTrans 内置的 ctranslate2 库兼容。软件 v3.91 默认需要 CUDA 12.x。如果您的 CUDA 版本是 11.x，需要降级 ctranslate2 库（这通常需要源码部署用户操作，预打包版用户可尝试下一步）。

第三步：更换更小的识别模型

  1. 在主界面 “语音识别” 区域，将模型从 large-v3 或 large-v2 更换为更小的模型，例如 medium、small 或 base。模型越小，对显存的需求越低。

第四步：使用“批量推理”模式

  1. 在主界面 “语音识别” 区域，将识别模式从 整体识别 切换为 批量推理。批量推理 模式对显存的要求更低，处理速度更快，但断句效果可能略差。

总结建议操作顺序：

  1. 立即尝试第一步（修改高级选项中的数据类型和 beam_size），这很可能直接解决问题。
  2. 如果第一步无效，尝试第三步（更换更小的模型）。
  3. 如果仍然无效，尝试第四步（切换为批量推理模式）。

如果以上所有方法尝试后，勾选 CUDA 加速依然无法识别，请提供 videotrans/logs/ 目录下最新的日志文件，以便进行更深入的分析。

Post Your Reply
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.

Donate: https://ko-fi.com/jianchang512

Trending Questions