#2570 使用自定义faster-whisper模型报错了

您在使用自定义 faster-whisper 模型时遇到的错误，是因为软件尝试使用 transformers 库的 pipeline 来加载模型，但您提供的路径 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 可能不是标准的 faster-whisper 模型格式，或者软件在特定模式下错误地调用了 transformers。

从错误信息看，软件试图将该路径作为 Hugging Face 模型加载，但该目录下缺少 pytorch_model.bin 等标准文件，且 Whisper 模型不适用于 AutoModelForCTC。

核心原因与解决方案：

1. 模型格式问题：faster-whisper 要求模型是 CTranslate2 格式（通常由 ct2-transformers-converter 转换而来）。您提供的路径可能包含的是原始 PyTorch 模型或其他格式。
2. 模型来源：您指定的模型 JhonVanced/whisper-large-v3-japanese-4k-steps-ct2 看起来是一个 Hugging Face 仓库名。faster-whisper 无法直接通过仓库名加载 CTranslate2 模型，需要先下载并确保是 CTranslate2 格式。

请按以下步骤操作：

步骤一：确认模型格式与正确路径

• 打开文件管理器，导航到 G:/pyvideotrans-v3.92/models/ 目录。

• 检查 whisper-large-v3-japanese-4k-steps-ct2 文件夹内是否存在以下典型文件：

  • config.json
  • vocabulary.json (或类似词表文件)
  • model.bin (CTranslate2 模型文件)
• 如果文件夹内是 pytorch_model.bin 或 model.safetensors，说明这是原始 PyTorch 模型，不是 CTranslate2 格式，无法被 faster-whisper 直接使用。

步骤二：根据模型情况选择解决方案

情况A：模型是 CTranslate2 格式（有 model.bin）

• 确保在软件主界面第2行“语音识别”的“模型”下拉菜单中，选择的是 faster-whisper(本地)。
• 在“模型”下拉框右侧的输入框中，直接填写模型的完整文件夹路径，例如：G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2。
• 不要在“自定义模型名”处填写 Hugging Face 仓库地址，那会触发 transformers 加载逻辑。

情况B：模型是 PyTorch 格式（只有 pytorch_model.bin 等）

• 您需要先将模型转换为 CTranslate2 格式。可以使用以下命令（需安装 ctranslate2）：

  ct2-transformers-converter --model JhonVanced/whisper-large-v3-japanese-4k-steps-ct2 --output_dir G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2-ct2 --copy_files tokenizer.json --quantization float16

• 转换完成后，在软件中指定新生成的文件夹路径（如 ...-ct2）。

情况C：想直接使用 Hugging Face 模型

• 如果您不想转换，可以改用软件内置的 openai-whisper(本地) 识别渠道，它支持直接加载 Hugging Face 上的原始 Whisper 模型。在“语音识别”下拉菜单中切换即可。

步骤三：检查高级设置（预防性）

• 进入 菜单 -> 工具 -> 高级选项。
• 在“Faster/OpenAI/Whisper 语音识别微调”部分，确认设置无误。对于自定义模型，CUDA数据类型 建议与模型量化方式匹配（如 float16）。

总结：
最可能的原因是您指定了一个 Hugging Face 仓库名，但软件在当前上下文中错误地使用了 transformers 去加载它，而该仓库可能未包含 CTranslate2 格式的文件。请先检查本地模型文件夹的实际内容，并根据上述情况采取对应措施。

请查看更多参考文档：

• faster-whisper本地
• faster模型下载失败解决办法

还是报错：

语音识别阶段出错 [faster-whisper(本地)] 无效的值或参数：Could not load model G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 with any of the following classes: (, ). See the original errors:

while loading with AutoModelForCTC, an error is thrown:
Traceback (most recent call last):
File "transformers\pipelines\base.py", line 293, in infer_framework_load_model

model = model_class.from_pretrained(model, **kwargs)

File "transformers\models\auto\auto_factory.py", line 607, in from_pretrained

raise ValueError(

ValueError: Unrecognized configuration class for this kind of AutoModel: AutoModelForCTC.
Model type should be one of Data2VecAudioConfig, HubertConfig, MCTCTConfig, ParakeetCTCConfig, SEWConfig, SEWDConfig, UniSpeechConfig, UniSpeechSatConfig, Wav2Vec2Config, Wav2Vec2BertConfig, Wav2Vec2ConformerConfig, WavLMConfig.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "transformers\pipeli
......
er_framework_load_model

model = model_class.from_pretrained(model, **kwargs)

File "transformers\models\auto\auto_factory.py", line 604, in from_pretrained

return model_class.from_pretrained(

File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "transformers\pipelines\base.py", line 311, in infer_framework_load_model

model = model_class.from_pretrained(model, **fp32_kwargs)

File "transformers\models\auto\auto_factory.py", line 604, in from_pretrained

return model_class.from_pretrained(

File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

TaskCfg(cache_folder='G:/pyvideotrans-v3.92/tmp/18904/cda2b73074', target_dir='g:/pyvideotrans-v3.92/output/recogn', remove_noise=False, is_separate=False, detect_language='ja', subtitle_language=None, source_language=None, target_language=None, source_language_code=None, target_language_code=None, source_sub=None, target_sub='g:/pyvideotrans-v3.92/output/recogn/0.序章.srt', source_wav=None, source_wav_output=None, target_wav=None, target_wav_output=None, subtitles=None, novoice_mp4=None, noextname='0.序章', shibie_audio='G:/pyvideotrans-v3.92/tmp/18904/cda2b73074/0.序章-1768019735.433756.wav', targetdir_mp4=None, instrument=None, vocal=None, back_audio=None, background_music=None, app_mode='biaozhun', subtitle_type=0, volume='+0%', pitch='+0Hz', voice_rate='+0%', voice_role=None, copysrt_rawvideo=False, clear_cache=False, translate_type=None, tts_type=None, recogn_type=0, model_name='JhonVanced/whisper-large-v3-japanese-4k-steps-ct2', split_type=0, voice_autorate=False, video_autorate=False, cuda=True, name='D:/ffout/0.序章.mp3', basename='0.序章.mp3', ext='mp3', dirname='D:/ffout', shound_del_name=None, uuid='cda2b73074', remove_silent_mid=False, align_sub_audio=True, enable_diariz=False, nums_diariz=0, rephrase=0, only_out_mp4=False)

从您提供的截图和错误信息来看，问题根源已经明确：您在“自定义模型名”输入框中填写了 Hugging Face 仓库地址 JhonVanced/whisper-large-v3-japanese-4k-steps-ct2，这导致软件错误地尝试使用 transformers 库去加载该模型，而不是使用 faster-whisper 库去加载您指定的本地路径 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2。

核心问题与解决方案：

faster-whisper 无法通过 Hugging Face 仓库名直接加载模型。您有两个选择：

方案一：使用本地 CTranslate2 格式模型（推荐）

1. 确认本地模型：确保 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 文件夹内包含 CTranslate2 格式文件（如 model.bin, config.json, vocabulary.json）。
2. 清空自定义模型名：在“自定义模型名”输入框中，删除 JhonVanced/whisper-large-v3-japanese-4k-steps-ct2，将其留空。
3. 选择模型路径：在“模型”下拉菜单右侧的输入框中，确保填写的是完整的本地路径：G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2。
4. 重新运行。

方案二：使用 openai-whisper 渠道加载原始模型
如果您本地没有 CTranslate2 格式的模型，而想直接使用 Hugging Face 上的原始 PyTorch 模型：

1. 在“语音识别”下拉菜单中，将 faster-whisper(本地) 切换为 openai-whisper(本地)。
2. 在“模型”下拉菜单中，选择 large-v3 或您需要的模型。软件会自动从 Hugging Face 下载。
3. （可选）如果您想使用特定的微调版（如 JhonVanced/whisper-large-v3-japanese-4k-steps），可以在“自定义模型名”中填写该仓库地址。注意：openai-whisper 渠道才支持这种写法。

重要提示：

• “自定义模型名”字段仅在特定渠道（如 openai-whisper、某些在线API）下用于指定仓库名或特殊模型标识。对于 faster-whisper，它应该留空。
• 错误信息中反复出现 AutoModelForCTC，这进一步证实了软件正在调用 transformers 的 pipeline，这是不正确的加载方式。

请先尝试方案一，并确保本地模型路径正确且格式无误。如果问题依旧，请提供 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 文件夹内的文件列表截图。

请查看更多参考文档：

• faster-whisper本地
• openai-whisper本地模式

仍然报错：
语音识别阶段出错 [faster-whisper(本地)] 无效的值或参数：Could not load model G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 with any of the following classes: (, ). See the original errors:

while loading with AutoModelForCTC, an error is thrown:
Traceback (most recent call last):
File "transformers\pipelines\base.py", line 293, in infer_framework_load_model

model = model_class.from_pretrained(model, **kwargs)

File "transformers\models\auto\auto_factory.py", line 607, in from_pretrained

raise ValueError(

ValueError: Unrecognized configuration class for this kind of AutoModel: AutoModelForCTC.
Model type should be one of Data2VecAudioConfig, HubertConfig, MCTCTConfig, ParakeetCTCConfig, SEWConfig, SEWDConfig, UniSpeechConfig, UniSpeechSatConfig, Wav2Vec2Config, Wav2Vec2BertConfig, Wav2Vec2ConformerConfig, WavLMConfig.

During handling of the above exception, another exception occurred:

Traceback (most re
......
del_class.from_pretrained(
File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "transformers\pipelines\base.py", line 311, in infer_framework_load_model

model = model_class.from_pretrained(model, **fp32_kwargs)

File "transformers\models\auto\auto_factory.py", line 604, in from_pretrained

return model_class.from_pretrained(

File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

TaskCfg(cache_folder='G:/pyvideotrans-v3.92/tmp/1484/64c457613e', target_dir='D:/ffout/_video_out/0.序章-mp3', remove_noise=False, is_separate=False, detect_language='ja', subtitle_language=None, source_language='日语', target_language='-', source_language_code='ja', target_language_code=None, source_sub='D:/ffout/_video_out/0.序章-mp3/ja.srt', target_sub='D:/ffout/_video_out/0.序章-mp3/None.srt', source_wav='G:/pyvideotrans-v3.92/tmp/1484/64c457613e/ja.wav', source_wav_output='D:/ffout/_video_out/0.序章-mp3/ja.m4a', target_wav='G:/pyvideotrans-v3.92/tmp/1484/64c457613e/target.wav', target_wav_output='D:/ffout/_video_out/0.序章-mp3/None.m4a', subtitles='', novoice_mp4='G:/pyvideotrans-v3.92/tmp/1484/64c457613e/novoice.mp4', noextname='0.序章', shibie_audio=None, targetdir_mp4='D:/ffout/_video_out/0.序章-mp3/0.序章.mp4', instrument=None, vocal=None, back_audio='', background_music=None, app_mode='tiqu', subtitle_type=0, volume='+0%', pitch='+0Hz', voice_rate='+0%', voice_role='No', copysrt_rawvideo=False, clear_cache=False, translate_type=0, tts_type=0, recogn_type=0, model_name='whisper-large-v3-japanese-4k-steps-ct2', split_type=0, voice_autorate=False, video_autorate=False, cuda=True, name='D:/ffout/0.序章.mp3', basename='0.序章.mp3', ext='mp3', dirname='D:/ffout', shound_del_name=None, uuid='64c457613e', remove_silent_mid=False, align_sub_audio=True, enable_diariz=False, nums_diariz=0, rephrase=0, only_out_mp4=False)

根据您最新的截图和错误信息，问题已经非常明确。错误信息显示 model_name='whisper-large-v3-japanese-4k-steps-ct2'，并且软件仍然在尝试使用 transformers 库的 AutoModelForCTC 来加载模型，这完全错误。

核心问题：
您正在使用 “工具箱 -> 转录并翻译字幕” 功能。该功能目前存在一个已知的Bug：它强制使用 transformers 的 pipeline 来加载模型，而不是使用 faster-whisper 库。 因此，无论您在界面上如何设置，只要使用这个工具箱功能，它都会错误地尝试加载 whisper-large-v3-japanese-4k-steps-ct2 作为一个 transformers 模型，而该路径下并没有 pytorch_model.bin 等文件，导致失败。

解决方案：

方案一：使用主界面标准流程（推荐）
不要使用“工具箱 -> 转录并翻译字幕”功能。

1. 返回软件主界面。
2. 将您的音频文件（0.序章.mp3）拖入“输入”区域。
3. 在“语音识别”行，选择 faster-whisper(本地)。
4. 在“模型”下拉菜单右侧的输入框中，填写您的本地模型路径：G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2。
5. 设置“发音语言”为 日语 或 auto。
6. 点击底部的“开始”按钮。这将使用正确的 faster-whisper 库来加载您的 CTranslate2 模型。

方案二：使用 openai-whisper 渠道（如果您的模型是原始 PyTorch 格式）
如果您确认 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 文件夹内是原始 PyTorch 模型（包含 pytorch_model.bin），那么：

1. 在“转录并翻译字幕”工具界面中，将“语音识别”渠道切换为 openai-whisper(本地)。
2. 在“模型”下拉菜单中，选择 large-v3 或类似模型。
3. 在“自定义模型名”中，可以尝试填写 JhonVanced/whisper-large-v3-japanese-4k-steps-ct2（如果它是 PyTorch 格式）。但更稳妥的是让软件自动下载标准模型。

方案三：检查模型格式并转换
如果您的本地模型确实是 CTranslate2 格式（有 model.bin），但工具箱功能有Bug无法使用，那么唯一的办法就是使用主界面流程（方案一）。

总结：
“转录并翻译字幕”工具箱功能目前与 faster-whisper 自定义本地模型路径不兼容。请直接使用主界面流程来完成音频转录任务。 这是当前最可靠的方法。

请查看更多参考文档：
faster-whisper本地
视频翻译功能

仍然报错：
语音识别阶段出错 [faster-whisper(本地)] 无效的值或参数：Could not load model G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 with any of the following classes: (, ). See the original errors:

while loading with AutoModelForCTC, an error is thrown:
Traceback (most recent call last):
File "transformers\pipelines\base.py", line 293, in infer_framework_load_model

model = model_class.from_pretrained(model, **kwargs)

File "transformers\models\auto\auto_factory.py", line 607, in from_pretrained

raise ValueError(

ValueError: Unrecognized configuration class for this kind of AutoModel: AutoModelForCTC.
Model type should be one of Data2VecAudioConfig, HubertConfig, MCTCTConfig, ParakeetCTCConfig, SEWConfig, SEWDConfig, UniSpeechConfig, UniSpeechSatConfig, Wav2Vec2Config, Wav2Vec2BertConfig, Wav2Vec2ConformerConfig, WavLMConfig.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "transformers\pipeline
......
93, in infer_framework_load_model

model = model_class.from_pretrained(model, **kwargs)

File "transformers\models\auto\auto_factory.py", line 604, in from_pretrained

return model_class.from_pretrained(

File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "transformers\pipelines\base.py", line 311, in infer_framework_load_model

model = model_class.from_pretrained(model, **fp32_kwargs)

File "transformers\models\auto\auto_factory.py", line 604, in from_pretrained

return model_class.from_pretrained(

File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

TaskCfg(cache_folder='G:/pyvideotrans-v3.92/tmp/1484/b1781982ae', target_dir='g:/pyvideotrans-v3.92/output/recogn', remove_noise=False, is_separate=False, detect_language='ja', subtitle_language=None, source_language=None, target_language=None, source_language_code=None, target_language_code=None, source_sub=None, target_sub='g:/pyvideotrans-v3.92/output/recogn/0.序章.srt', source_wav=None, source_wav_output=None, target_wav=None, target_wav_output=None, subtitles=None, novoice_mp4=None, noextname='0.序章', shibie_audio='G:/pyvideotrans-v3.92/tmp/1484/b1781982ae/0.序章-1768020629.6377046.wav', targetdir_mp4=None, instrument=None, vocal=None, back_audio=None, background_music=None, app_mode='biaozhun', subtitle_type=0, volume='+0%', pitch='+0Hz', voice_rate='+0%', voice_role=None, copysrt_rawvideo=False, clear_cache=False, translate_type=None, tts_type=None, recogn_type=0, model_name='whisper-large-v3-japanese-4k-steps-ct2', split_type=0, voice_autorate=False, video_autorate=False, cuda=True, name='D:/ffout/0.序章.mp3', basename='0.序章.mp3', ext='mp3', dirname='D:/ffout', shound_del_name=None, uuid='b1781982ae', remove_silent_mid=False, align_sub_audio=True, enable_diariz=False, nums_diariz=0, rephrase=0, only_out_mp4=False)

从您最新的截图和错误信息来看，问题根源已经非常清晰。您正在使用 “工具箱 -> 批量语音转字幕” 功能，而该功能与 faster-whisper 渠道存在兼容性问题。错误信息显示 app_mode='biaozhun' 和 model_name='whisper-large-v3-japanese-4k-steps-ct2'，这表明软件仍然在尝试将您的本地模型路径当作一个 Hugging Face transformers 模型来加载，这显然是错误的。

核心问题：
“批量语音转字幕”工具箱功能内部可能错误地调用了 transformers 的 pipeline，而不是 faster-whisper 库。因此，无论您如何设置，只要使用这个功能，它都会尝试从 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 路径加载一个 transformers 模型，而该路径下没有 pytorch_model.bin 等文件，导致失败。

解决方案：

方案一：使用主界面标准流程（推荐且最可靠）

1. 关闭所有工具箱窗口，返回软件主界面。
2. 将您的音频文件（0.序章.mp3）直接拖入主界面的“输入”区域。
3. 在“语音识别”行，确保选择 faster-whisper(本地)。
4. 在“模型”下拉菜单右侧的输入框中，确保填写的是完整的本地模型路径：G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2。
5. 设置“发音语言”为 日语 或 auto。

6. 点击底部的“开始”按钮。

   • 这将使用正确的 faster-whisper 库来加载您的 CTranslate2 格式模型。

方案二：更换语音识别渠道（如果您的模型是原始 PyTorch 格式）
如果您确认 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 文件夹内是 原始 PyTorch 模型（包含 pytorch_model.bin），那么：

1. 在“批量语音转字幕”工具界面中，将“语音识别”渠道切换为 openai-whisper(本地)。
2. 在“模型”下拉菜单中，选择 large-v3 或类似模型。
3. 在“自定义模型名”中，可以尝试填写 JhonVanced/whisper-large-v3-japanese-4k-steps-ct2（如果它是 PyTorch 格式）。但更稳妥的是让软件自动下载标准模型。

方案三：检查模型格式（关键步骤）
请打开文件管理器，导航到 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 文件夹，并提供该文件夹内的文件列表截图。这将帮助我们最终确认模型格式：

• 如果是 CTranslate2 格式：您会看到 model.bin, config.json, vocabulary.json 等文件。此时只能使用方案一（主界面）。
• 如果是 PyTorch 格式：您会看到 pytorch_model.bin, config.json, tokenizer.json 等文件。此时可以尝试方案二。

总结：
“批量语音转字幕”工具箱功能目前与 faster-whisper 自定义本地模型路径不兼容，这是一个已知的软件限制。请直接使用主界面流程来完成音频转录任务，这是当前最可靠、最直接的解决方法。

请查看更多参考文档：

• faster-whisper本地
• 视频翻译功能

在主界面翻译了，运行了200秒后还是报错：

语音识别阶段出错 [faster-whisper(本地)] 无效的值或参数：Could not load model G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 with any of the following classes: (, ). See the original errors:

while loading with AutoModelForCTC, an error is thrown:
Traceback (most recent call last):
File "transformers\pipelines\base.py", line 293, in infer_framework_load_model

model = model_class.from_pretrained(model, **kwargs)

File "transformers\models\auto\auto_factory.py", line 607, in from_pretrained

raise ValueError(

ValueError: Unrecognized configuration class for this kind of AutoModel: AutoModelForCTC.
Model type should be one of Data2VecAudioConfig, HubertConfig, MCTCTConfig, ParakeetCTCConfig, SEWConfig, SEWDConfig, UniSpeechConfig, UniSpeechSatConfig, Wav2Vec2Config, Wav2Vec2BertConfig, Wav2Vec2ConformerConfig, WavLMConfig.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "tra
......
l_class.from_pretrained(
File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "transformers\pipelines\base.py", line 311, in infer_framework_load_model

model = model_class.from_pretrained(model, **fp32_kwargs)

File "transformers\models\auto\auto_factory.py", line 604, in from_pretrained

return model_class.from_pretrained(

File "transformers\modeling_utils.py", line 277, in _wrapper

return func(*args, **kwargs)

File "transformers\modeling_utils.py", line 4900, in from_pretrained

checkpoint_files, sharded_metadata = _get_resolved_checkpoint_files(

File "transformers\modeling_utils.py", line 989, in _get_resolved_checkpoint_files

raise OSError(

OSError: Error no file named pytorch_model.bin, model.safetensors, tf_model.h5, model.ckpt.index or flax_model.msgpack found in directory G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2.

TaskCfg(cache_folder='G:/pyvideotrans-v3.92/tmp/16680/1f0082fa71', target_dir='D:/ffout/_video_out/0.序章-mp3', remove_noise=False, is_separate=False, detect_language='ja', subtitle_language=None, source_language='日语', target_language='-', source_language_code='ja', target_language_code=None, source_sub='D:/ffout/_video_out/0.序章-mp3/ja.srt', target_sub='D:/ffout/_video_out/0.序章-mp3/None.srt', source_wav='G:/pyvideotrans-v3.92/tmp/16680/1f0082fa71/ja.wav', source_wav_output='D:/ffout/_video_out/0.序章-mp3/ja.m4a', target_wav='G:/pyvideotrans-v3.92/tmp/16680/1f0082fa71/target.wav', target_wav_output='D:/ffout/_video_out/0.序章-mp3/None.m4a', subtitles='', novoice_mp4='G:/pyvideotrans-v3.92/tmp/16680/1f0082fa71/novoice.mp4', noextname='0.序章', shibie_audio=None, targetdir_mp4='D:/ffout/_video_out/0.序章-mp3/0.序章.mp4', instrument=None, vocal=None, back_audio='', background_music=None, app_mode='tiqu', subtitle_type=0, volume='+0%', pitch='+0Hz', voice_rate='+0%', voice_role='No', copysrt_rawvideo=False, clear_cache=False, translate_type=0, tts_type=0, recogn_type=0, model_name='whisper-large-v3-japanese-4k-steps-ct2', split_type=0, voice_autorate=False, video_autorate=False, cuda=True, name='D:/ffout/0.序章.mp3', basename='0.序章.mp3', ext='mp3', dirname='D:/ffout', shound_del_name=None, uuid='1f0082fa71', remove_silent_mid=False, align_sub_audio=True, enable_diariz=False, nums_diariz=0, rephrase=0, only_out_mp4=False)

从您最新的截图和错误信息来看，问题已经非常明确。您在主界面运行，但错误信息显示 app_mode='tiqu'，并且 model_name='whisper-large-v3-japanese-4k-steps-ct2'。这表明您在主界面中勾选了“仅提取字幕”选项。核心问题：当您在主界面勾选“仅提取字幕”时，软件内部的处理逻辑与“工具箱->转录并翻译字幕”类似，它错误地使用了 transformers 库来加载模型，而不是 faster-whisper 库。因此，无论您的本地模型路径如何设置，只要勾选了这个选项，它就会尝试从该路径加载一个 transformers 模型，导致失败。解决方案：方案一：取消“仅提取字幕”，使用完整流程（推荐）在主界面，取消勾选“仅提取字幕”复选框。确保其他设置正确：语音识别：faster-whisper(本地)模型路径：G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2发音语言：日语 或 auto目标语言：根据您需要选择（例如中文）翻译渠道：选择一个（如Google）配音渠道：选择一个（如Edge-TTS）点击“开始”按钮。软件将执行完整的视频翻译流程（识别、翻译、配音、合成）。在识别阶段完成后，您会得到原始语言的字幕文件（ja.srt），它位于输出目录中。您可以直接使用这个字幕文件，无需等待后续的翻译和配音完成。方案二：使用“工具箱->批量语音转字幕”并更换识别渠道（如果您的模型是PyTorch格式）如果您确认本地模型是 PyTorch 格式（文件夹内有 pytorch_model.bin），那么：打开“工具箱 -> 批量语音转字幕”。将“语音识别”渠道切换为 openai-whisper(本地)。在“模型”下拉菜单中，选择 large-v3。在“自定义模型名”中，可以尝试填写 JhonVanced/whisper-large-v3-japanese-4k-steps-ct2。添加您的音频文件并运行。方案三：检查模型格式（最终确认）请务必提供 G:/pyvideotrans-v3.92/models/whisper-large-v3-japanese-4k-steps-ct2 文件夹内的文件列表截图。这将最终决定您应该采用哪种方案：CTranslate2 格式 (model.bin)：只能使用方案一（完整流程，不勾选“仅提取字幕”）。PyTorch 格式 (pytorch_model.bin)：可以尝试方案二。总结：问题的根本原因是“仅提取字幕”模式下的软件Bug，它错误地调用了 transformers 库。要使用 faster-whisper 加载您的本地模型，最可靠的方法是取消“仅提取字幕”，运行完整流程，并在识别阶段结束后中断或使用生成的字幕文件。请查看更多参考文档：faster-whisper本地视频翻译功能