#3020 文稿匹配可否遵循原文稿断句

这是由于软件默认的“文稿匹配”功能会基于语音识别结果和文稿内容进行动态对齐和重新断句，并生成词级时间戳。

要使用您预先断句好的文稿（一条字幕一行），请按以下步骤操作：

1. 使用“字幕翻译”功能：

   • 不要使用“视频翻译”或“文稿匹配”功能。
   • 在软件主界面，选择“字幕翻译”选项卡。
   • 将您已按行断句的文稿（.txt 或 .srt 格式）拖入“原始字幕文件”区域。
   • 将您的视频或音频文件拖入“视频或音频文件”区域。
   • 软件将直接使用您文稿中的每一行作为一句字幕，并尝试将其与音频时间轴进行匹配，而不会重新断句。

2. 关于词级时间戳：

   • 词级时间戳（Word-level timestamps）是某些语音识别模型（如 Whisper）的固有输出特性，用于更精细的时间对齐。

   • 在“字幕翻译”流程中，如果使用本地模型（如 faster-whisper）进行语音识别来获取时间轴，仍可能产生词级时间戳。若需更符合自然语气的句级断句，可以：

     • 在“高级选项” -> “语音识别参数”中，尝试调整“语音阈值（VAD）”等参数，或使用不同的 VAD 模型（如 ten-vad）。
     • 或者，考虑使用“对语音识别结果重新断句”功能（如果可用），或后续使用字幕编辑工具进行合并。

请查阅相关文档：

• 整体识别、均等分割的区别
• 对语音识别结果重新断句
• 优化断句效果，调整语音识别时的字幕时长

补充一下生成的对齐结果：

您提供的截图显示，对齐结果将您的文稿分割成了非常细碎的片段（如“然后”、“我”、“们”），这正是“词级时间戳”导致的。要完全使用您的断句方案并避免词级分割，核心是绕过语音识别模型对文本的强制切分。

请按以下步骤操作：

1. 准备文件：确保您的文稿是 .srt 格式。如果现在是.txt，请先转换为.srt。您可以使用任何字幕编辑器，或按以下格式手动创建：

   1
   00:00:00,000 --> 00:00:02,000
   然后我们来看一下
   
   2
   00:00:02,000 --> 00:00:04,000
   这个功能的实际效果

   （时间戳可以先用占位符，软件会重新对齐）

2. 使用“字幕合并”工具：

   • 在软件主界面，进入“工具”菜单，选择“字幕合并”。
   • 将您的视频/音频文件拖入“视频或音频文件”区域。
   • 将您准备好的 .srt 字幕文件 拖入“字幕文件”区域。
   • 点击“开始合并”。软件会将您的字幕（保持您的原始断句）与音频波形进行强制对齐，生成新的、时间轴匹配的字幕文件，而不会对您的文本内容进行任何重新断句或词级分割。

3. 后续处理：得到对齐后的.srt文件后，您可以：

   • 直接使用该字幕。
   • 如果需要翻译和配音，可以将该.srt文件作为“原始字幕文件”，在“字幕翻译”功能中继续后续的翻译和配音步骤。这样，您的原始断句将得以保留。

关键点：“字幕合并”工具是唯一能完全尊重您提供的.srt文件文本段落结构（即您的断句方案）并进行音画对齐的功能。它不依赖语音识别模型，因此彻底避免了词级时间戳问题。

请查阅相关文档：

• 批量将视频和srt字幕合并