#4078 Voxcmptts配音出现重复音

这是由于 VoxCPM-TTS 配音渠道在生成音频时出现了重复片段。

解决方案：

1. 在软件主界面，点击顶部菜单栏的 工具/选项 -> 高级选项。
2. 在弹出的窗口中，找到 语音识别参数 区域。

3. 调整以下参数以优化配音效果，减少重复：

   • 重复惩罚：增大此值（例如从默认值提高到 1.2 或更高），有助于减少模型生成重复内容。
   • 文本压缩率：减小此值（例如从默认值降低到 0.8 或更低），有助于模型生成更紧凑、不冗余的文本。
4. 调整后保存设置，重新尝试配音。

请查阅相关文档：

• VoxCPM-0.5B 音色克隆一键整合包

并没有解决，每句配音前都会出现零点几秒的其他配音

这是由于 VoxCPM-TTS 模型在生成音频时，可能因上下文处理或缓存机制导致相邻句子的音频片段出现重叠。解决方案：在软件主界面，点击顶部菜单栏的 工具/选项 -> 高级选项。在弹出的窗口中，找到 字幕配音调整 区域。勾选 移除配音前后静音缓冲。此选项会在合成最终音频前，自动移除每条字幕配音前后的静音片段，有助于消除因模型处理产生的多余音频片段。如果问题依旧，可以尝试在 高级选项 -> 语音识别参数 区域，将 静音分割持续毫秒 适当增大（例如从默认的500ms增加到800ms），这可能会影响语音识别的分割，间接影响配音的起始点判断。请查阅相关文档：VoxCPM-0.5B 音色克隆一键整合包

问题仍然存在

暂无法确定具体原因。请提供软件安装目录下的 logs/ 文件夹中最新的日志文件（复制底部约30行报错信息）以便分析。

[INFO] Starting call to 'videotrans.tts._f5tts.F5TTS._item_task.._run', this is the 1st time calling it.
Loaded as API: http://127.0.0.1:8808/
[DEBUG] result=C:\Users\Administrator\AppData\Local\Temp\gradio\bf2e257d2bacda69d24d026800fe5603f5197014fe095152622e493eff2ab12e\audio.wav
[DEBUG] [FFMPEG-CMD]:
ffmpeg -hide_banner -ignore_unknown -threads 0 -y -i C:\Users\Administrator\AppData\Local\Temp\gradio\bf2e257d2bacda69d24d026800fe5603f5197014fe095152622e493eff2ab12e\audio.wav -ar 48000 -ac 2 -c:a pcm_s16le C:/Users/ADMINI~1/AppData/Local/Temp/pyvideotrans/1776261022.717233.wav

[DEBUG] [字幕配音]渠道20:共耗时:6s
[INFO] Starting call to 'videotrans.tts._f5tts.F5TTS._item_task.._run', this is the 1st time calling it.
Loaded as API: http://127.0.0.1:8808/
[DEBUG] result=C:\Users\Administrator\AppData\Local\Temp\gradio\b3ab83ae41ae53ae186824d38b47c0221a2dcbd1666890e95a71a371adf6de2f\audio.wav
[DEBUG] [FFMPEG-CMD]:
ffmpeg -hide_banner -ignore_unknown -threads 0 -y -i C:\Users\Administrator\AppData\Local\Temp\gradio\b3ab83ae41ae53ae186824d38b47c0221a2dcbd1666890e95a71a371adf6de2f\audio.wav -ar 48000 -ac 2 -c:a pcm_s16le C:/Users/ADMINI~1/AppData/Local/Temp/pyvideotrans/1776261033.562268.wav

[DEBUG] [字幕配音]渠道20:共耗时:6s

根据日志，您使用的是 F5-TTS 配音渠道，而非 VoxCPM-TTS。F5-TTS 在生成音频时，如果参考音频（用于克隆的音色）或模型设置不当，可能导致生成片段包含其他音频残留。

解决方案：

1. 检查参考音频：如果您在配音时选择了 clone 角色，请确保原始视频的语音片段清晰、无背景噪音，且时长在 3-10秒 之间。过短或过长的参考音频都可能导致克隆效果不佳。

2. 调整语音识别参数：在 菜单 -> 工具/选项 -> 高级选项 -> 语音识别参数 中，进行以下设置，以确保用于克隆的原始语音片段质量：

   • 最短语音持续毫秒：设置为 3000。
   • 最长语音持续秒数：设置为 10。
   • 勾选 Whisper预分割音频? 和 合并过短字幕到邻近。
3. 调整配音参数：在 高级选项 -> 字幕配音调整 中，确保已勾选 移除配音前后静音缓冲。
4. 重启 F5-TTS 服务：关闭您本地运行的 F5-TTS API 服务（端口 8808），然后重新启动它，有时可以清除模型缓存状态。
5. 尝试其他配音角色：暂时不使用 clone 角色，换用 F5-TTS 提供的其他预设角色进行测试，以判断问题是否与声音克隆过程有关。

请查阅相关文档：

• F5-TTS api调用常见错误
• 如何使用原视频中音色配音

VoxCPM-0.5B和VoxCPM-2.0我该下载哪个？

VoxCPM-0.5B 和 VoxCPM-2.0 的主要区别在于模型大小和效果。VoxCPM-0.5B：模型参数为 5亿，体积较小，对硬件要求较低，生成速度较快，但音质和自然度可能略逊于更大模型。VoxCPM-2.0：模型参数为 20亿，体积更大，对硬件（尤其是显存）要求更高，生成速度可能稍慢，但通常能产生更高质量、更自然的语音。选择建议：如果您的电脑显卡显存有限（例如小于 8GB），或追求更快的处理速度，建议下载 VoxCPM-0.5B。如果您的电脑显卡性能较强（例如显存大于 8GB），且希望获得最佳的配音音质，建议下载 VoxCPM-2.0。请查阅相关文档：VoxCPM-0.5B 音色克隆一键整合包

我配置的是VoxCPM-TTS，为什么显示的是F5-TTS

这是因为您在软件中配置的配音渠道是 F5-TTS，而不是 VoxCPM-TTS。软件界面显示的渠道名称和日志中记录的渠道代码（渠道20）都对应 F5-TTS。解决方案：在主界面的“配音渠道”下拉列表中，选择 VoxCPM-TTS。确保您已正确部署并启动了 VoxCPM-TTS 的 API 服务。在 菜单 -> 翻译设置 -> VoxCPM-TTS设置 中，正确填写其 API 地址（例如 http://127.0.0.1:端口号）。完成以上配置后，再进行配音，软件就会调用 VoxCPM-TTS 服务，日志中也将显示对应的渠道信息。请查阅相关文档：VoxCPM-0.5B 音色克隆一键整合包

我的配置有问题吗？

您的配置没有问题。您在主界面选择的配音渠道确实是 VoxCPM-TTS。然而，根据您之前提供的日志片段显示 渠道20，这对应的是 F5-TTS。这表明软件在运行时实际调用了 F5-TTS 服务。原因可能是：缓存或配置未生效：软件可能读取了旧的配置或缓存。请尝试完全关闭 pyVideoTrans 软件，然后重新启动。F5-TTS 服务仍在运行：您的电脑上可能同时运行着 F5-TTS 的 API 服务（默认端口可能是 7860 或 8808），并且 pyVideoTrans 在连接 VoxCPM-TTS 失败后，自动回退或错误地连接到了仍在运行的 F5-TTS 服务。解决方案：检查并关闭 F5-TTS 服务：确保您之前为 F5-TTS 打开的终端/命令行窗口已关闭。可以通过任务管理器检查是否有相关的 Python 进程在运行。确认 VoxCPM-TTS 服务已启动：确保您已按照 VoxCPM-TTS 的部署指南，成功启动了其 API 服务，并且端口号（例如 5500）与您在 pyVideoTrans 中配置的地址一致。重新启动软件：关闭 pyVideoTrans 和所有相关服务后，先启动 VoxCPM-TTS 服务，再启动 pyVideoTrans 软件。重新执行任务：重新选择一个视频进行配音测试，并观察新的日志是否显示调用 VoxCPM-TTS。请查阅相关文档：VoxCPM-0.5B 音色克隆一键整合包

[INFO] Starting call to 'videotrans.tts._f5tts.F5TTS._item_task.._run', this is the 1st time calling it.
Loaded as API: http://127.0.0.1:8808/
[DEBUG] result=C:\Users\Administrator\AppData\Local\Temp\gradio\05927348470c3dd09be167cbe4edb63d393c265b3ed1b5fbff7161a625eb0766\audio.wav
[DEBUG] [FFMPEG-CMD]:
ffmpeg -hide_banner -ignore_unknown -threads 0 -y -i C:\Users\Administrator\AppData\Local\Temp\gradio\05927348470c3dd09be167cbe4edb63d393c265b3ed1b5fbff7161a625eb0766\audio.wav -ar 48000 -ac 2 -c:a pcm_s16le C:/Users/ADMINI~1/AppData/Local/Temp/pyvideotrans/1776262024.2631283.wav

[DEBUG] [字幕配音]渠道20:共耗时:21s

问题依然没有解决，是不是软件BUG？

根据日志，软件仍然在调用 F5-TTS 服务（API地址为 http://127.0.0.1:8808）。这不是软件BUG，而是配置冲突或服务残留导致。根本原因是您的电脑上运行着 F5-TTS 服务（端口 8808），并且 pyVideoTrans 在内部渠道映射中，将 VoxCPM-TTS 错误地指向了 F5-TTS 的 API 地址。解决方案：强制停止 F5-TTS 服务：打开任务管理器，找到并结束所有与 F5-TTS 或 Python 相关的进程。或者，找到运行 F5-TTS 的命令行窗口并关闭它。检查并修正 VoxCPM-TTS 配置：在 pyVideoTrans 中，点击 菜单 -> 翻译设置 -> VoxCPM-TTS设置。确认 API 地址填写的是 VoxCPM-TTS 服务的正确地址（例如 http://127.0.0.1:5500，具体端口需根据您的 VoxCPM-TTS 部署确定），而不是 http://127.0.0.1:8808。重启服务与软件：首先，确保 VoxCPM-TTS 服务已在其正确的端口上启动。然后，重新启动 pyVideoTrans 软件。验证连接：在 pyVideoTrans 中，尝试使用 VoxCPM-TTS 进行一句配音试听，观察日志中加载的 API 地址是否已变为 VoxCPM-TTS 的地址。如果问题依旧，请检查软件安装目录下 config.json 或类似配置文件，查看 voxcpmtts 相关的配置项是否正确。请查阅相关文档：VoxCPM-0.5B 音色克隆一键整合包

并没有打开其他的端口，也没有运行F5-TTS服务

这是由于软件内部渠道配置错误或缓存导致的。渠道代码“20”在软件内部被硬编码为 F5-TTS，即使您界面上选择了 VoxCPM-TTS，软件仍错误地调用了 F5-TTS 的逻辑。解决方案：清理软件配置缓存：完全关闭 pyVideoTrans。删除软件安装目录下的 config.json 文件（如果存在）。重新启动 pyVideoTrans，软件会生成新的默认配置。重新配置 VoxCPM-TTS：启动后，再次进入 菜单 -> 翻译设置 -> VoxCPM-TTS设置，确认并保存正确的 API 地址。在主界面重新选择 VoxCPM-TTS 作为配音渠道，然后进行测试。检查软件版本：确保您使用的是最新版本的 pyVideoTrans (v3.99)。旧版本可能存在渠道映射的 Bug。下载地址：https://pyvideotrans.com/downpackage。如果以上步骤无效，这可能是当前版本软件的一个 Bug。您可以尝试暂时使用其他配音渠道（如 Edge-TTS），或等待后续版本修复。请查阅相关文档：VoxCPM-0.5B 音色克隆一键整合包