#3585 为什么过场动画没人说话也给我加上字幕

这是由于语音识别模型（如 Whisper）的“幻觉”现象导致的，尤其是在静音或背景音乐片段中，模型错误地生成了无意义的文字（如“你”）。仅调整语音阈值可能不足以解决，因为模型本身在低信噪比环境下容易产生此类错误。

解决方案：

1. 调整语音识别参数：

   • 进入 菜单 -> 工具 -> 高级选项 -> 语音识别参数。
   • 适当提高 语音阈值（例如从 0.5 提高到 0.7 或更高），这有助于过滤掉低概率的语音片段。
   • 适当提高 no speech threshold 参数（如果可见），这可以降低模型在静音处“幻想”出文字的概率。
   • 确保 最长语音持续秒数 设置合理（例如 6-10 秒），避免过长的静音片段被整体送入模型。

2. 开启降噪：

   • 在主界面的语音识别行，勾选 降噪 选项。这会在识别前在线使用阿里模型消除背景噪声，可能减少因噪声引起的幻觉。

3. 使用更精确的模型：

   • 如果当前使用的是 tiny 或 base 等小模型，请切换到 large-v3 模型（在 faster-whisper(本地) 或 openai-whisper(本地) 渠道中选择）。大模型抗干扰能力更强，幻觉更少。

4. 启用VAD并调整参数：

   • 在 高级选项 -> 语音识别参数 中，确保已选择 ten-vad 或 silero 等 VAD 模型。
   • 适当增加 静音分割持续毫秒（例如从 500ms 增加到 800ms 或 1000ms），让系统在更长的静音后才进行分割，可能合并掉无语音的过场片段。

5. （高级）后处理与校对：

   • 对于单个视频，可以使用 单视频交互模式。在识别阶段完成后，软件会弹出字幕编辑窗口，您可以手动删除这些无意义的“你”字幕。
   • 或者，在识别完成后，使用左侧功能面板的 字幕编辑 工具，批量清理异常字幕。

请查阅相关文档：

• 语音识别中的VAD参数调整
• 为什么识别出的字幕长短不一乱七八糟
• 语音识别模型分类与说明