#3556 [参数列表] {'name': 'D:/cs.mp4', 'cache_folder': 'd:/pyvideotrans/tmp/46160/519c3dcc9b', 'target_dir': 'd:/pyvideotrans/outp

根据提供的参数列表，核心问题是语音识别模型选择不当，导致识别准确度极低，进而影响后续翻译和配音质量。

问题分析：

1. 语音识别模型过小：model_name 为 tiny，这是 faster-whisper 中最小的模型，识别准确度很低，尤其对于非英语内容。
2. 未启用 GPU 加速：is_cuda 为 False，处理速度会非常慢。
3. 目标语言代码格式：target_language_code 为 zh-cn，但软件内部通常使用 zh 或 zh-CN，需确认是否兼容。

解决方案：

1. 更换语音识别模型：在软件主界面的“语音识别”下拉菜单中，将模型从 tiny 更改为 large-v3（最佳）或 large-v2。如果显存/内存不足，可考虑 medium 模型。
2. 启用 CUDA 加速：如果你有 NVIDIA 显卡并已安装 CUDA 12.8 环境，请务必在主界面勾选 CUDA加速 选项。
3. 验证目标语言：确保“目标语言”选择为“中文（中国）”，软件会自动使用正确的语言代码。

4. 调整高级参数（可选，针对克隆配音）：由于你开启了 recogn2pass（二次识别）且可能使用克隆配音，建议在“菜单-工具-高级选项-语音识别参数”中做如下设置以提高克隆成功率：

   • 最短语音持续毫秒 设为 3000
   • 最长语音持续秒数 设为 10
   • 选中 Whisper预分割音频? 和 合并过短字幕到邻近

最佳实践参考：
对于英文视频翻译成中文，建议配置如下：

• 语音识别：faster-whisper(本地) + large-v3 模型 + CUDA加速（如有）。
• 翻译：使用 AI 渠道（如 DeepSeek、GPT-4）以获得更好质量。
• 配音：Edge-TTS(免费) 或 Qwen-TTS(本地)。
• 对齐：开启 配音加速、视频慢速 和 二次识别。

请查阅相关文档：

• faster-whisper(本地)语音识别渠道
• 视频翻译最佳效果推荐
• 提高视频翻译质量