#4154 无法正常调用GPU进行加速的问题

问题1（人声分离不调用GPU）和问题2（GPU使用率骤降后报错）的根本原因是显存不足。虽然您有16GB显存，但large-v3-turbo模型本身需求较高，且人声分离与语音识别可能并行运行，导致总显存需求超过16GB，从而进程崩溃。

解决方案：

1. 降低语音识别模型规格：在主界面的“语音识别”下拉菜单中，将模型从 large-v3-turbo 更换为更小的模型，例如 medium 或 small。large-v3系列模型最低需要约10GB显存，在同时处理其他任务时容易耗尽16GB显存。

2. 调整高级设置以降低显存占用：

   • 点击顶部菜单 工具/选项 -> 高级选项。

   • 在 【语音识别参数】 区域进行以下修改：

     • CUDA数据类型：将 float32 改为 float16 或 int8。
     • 识别准确度beam_size：将 5 改为 1。
     • 识别准确度best_of：将 5 改为 1。
     • 启用上下文感知：确保此项为 false（不勾选）。

3. 检查并限制并行任务数：

   • 在 【通用设置】 区域，确保 GPU同时任务数[重启生效] 设置为 1（除非单卡显存大于20GB）。修改后需要重启软件生效。
   • 如果同时处理多个视频，可以勾选 批量翻译时强制串行，避免多个任务竞争显存。
4. 关于人声分离的GPU调用：人声分离功能（如使用UVR等模型）本身可能未针对GPU进行深度优化，或软件默认配置未启用其GPU加速。目前知识库未提供其专用的GPU开启方法。您可以尝试在 【语音识别参数】 区域调整 人声背景分离线程数，增加CPU线程数可能提升分离速度。

如果以上调整后问题依旧，请提供软件根目录下 logs 文件夹中最新日志文件的底部约30行内容，以便进一步分析。

请查阅相关文档：

• 总是提示显存不足
• faster-whisper(本地)语音识别渠道
• 高级设置各个选项说明

可是GPU使用率并未到达到60%以上。

GPU使用率未达到60%以上，但依然报显存不足，这通常是因为显存（VRAM）被占满，而非GPU计算核心（CUDA Cores）使用率满载。显存是存储模型和数据的地方，而GPU使用率反映的是计算单元的活跃程度。大型模型（如large-v3-turbo）加载时就会占用大量显存，即使计算不繁忙，显存也可能已耗尽。

解决方案：

1. 首要措施：更换更小的语音识别模型

   • 在主界面“语音识别”下拉菜单中，立即将模型从 large-v3-turbo 更换为 medium 或 small。这是最直接有效的办法。large-v3-turbo 对显存要求极高，在您16GB显存的显卡上，同时运行人声分离和语音识别极易导致显存溢出。

2. 验证显存实际占用

   • 在任务开始前，打开Windows任务管理器，切换到“性能”选项卡，选择您的GPU，查看“专用GPU内存”的使用情况。如果接近或达到16GB，则证实是显存问题。

3. 调整高级设置（针对更换后的小模型进一步优化）

   • 点击 菜单 -> 工具/选项 -> 高级选项。

   • 在 【语音识别参数】 区域，进行如下设置以进一步降低显存需求：

     • CUDA数据类型：选择 int8（显存占用最低，速度最快，精度略有下降）。
     • 识别准确度beam_size：设为 1。
     • 识别准确度best_of：设为 1。
     • 启用上下文感知：确保为 false（不勾选）。

4. 检查并行任务限制

   • 在 【通用设置】 区域，确认 GPU同时任务数[重启生效] 设置为 1。修改后需要重启软件。

5. 关于人声分离速度

   • 人声分离功能可能主要依赖CPU或未充分调用GPU。您可以在 【语音识别参数】 区域尝试增加 人声背景分离线程数，利用更多CPU核心来加速。

总结：请优先执行第1步，更换为 medium 模型。如果问题解决，则确认是 large-v3-turbo 模型显存需求过高所致。如果更换模型后仍报错，请提供调整后的新日志。

请查阅相关文档：

• 总是提示显存不足
• faster-whisper(本地)语音识别渠道
• 高级设置各个选项说明

人声分离仅在CPU上运行，不使用GPU。分离模型是 onnx 类型，难以在同个打包中加入 cpu和gpu支持，因此仅使用CPU进行人声背景分离

专用GPU为GPU 1,但是报错信息中，是GPU 0的显存不够，可能是程序问题吧

根据开发者回复，人声分离功能仅在CPU上运行，不使用GPU。因此，问题1（人声分离不调用GPU）是正常现象。

问题2（GPU使用率骤降后报错）的根本原因已明确：软件错误地尝试在显存不足的 GPU 0 上运行语音识别任务，而您的独立显卡是 GPU 1。这导致 large-v3-turbo 模型加载失败，进程崩溃。

解决方案：

1. 首要措施：更换语音识别模型
   在主界面的“语音识别”下拉菜单中，将模型从 large-v3-turbo 更换为更小的模型，例如 medium。large-v3-turbo 模型显存需求过高，是导致报错的直接原因。

2. 关键步骤：指定使用正确的GPU（GPU 1）
   此问题在 v3.99 版本中已优化。请确保您使用的是 v3.99 或更高版本。该版本会在有多个可用显卡时，默认选择可用显存最大的那块（即您的 GPU 1）。

   • 检查版本：启动软件后，查看主界面标题栏或关于窗口确认版本号。
   • 升级软件：如果版本低于 v3.99，请前往官网下载最新完整包覆盖安装。

3. 辅助优化（更换模型后执行）
   点击 菜单 -> 工具/选项 -> 高级选项，在 【语音识别参数】 区域进行如下设置，以进一步降低显存占用和提升稳定性：

   • CUDA数据类型：改为 int8。
   • 识别准确度beam_size：设为 1。
   • 识别准确度best_of：设为 1。
   • 启用上下文感知：确保为 false（不勾选）。

执行顺序：请先执行第1步（更换模型）和第2步（确认/升级到v3.99）。这应能解决大部分问题。如果仍有异常，再执行第3步进行微调。

请查阅相关文档：

• 总是提示显存不足
• faster-whisper(本地)语音识别渠道

并非如此，GPU 0 是指识别出来的可用CUDA的GPU总数的第一个，AMD GPU不可用于CUDA，不会被识别出来。

可先尝试使用 base 或 tiny 模型试试

打开 logs下日志文件，搜索 可用显存为 ，查看识别出来的可用显存为多少

从win-pyvideotrans-v3.99-417，升级成了win-pyvideotrans-v3.99-418。我在测试下试试

根据开发者回复，GPU 0 指的是软件识别出的第一块可用于CUDA的NVIDIA显卡。您需要检查日志，确认软件识别到的这块显卡的可用显存是否足够。同时，建议先使用更小的模型进行测试。操作步骤：检查日志确认显存情况：打开软件根目录下的 logs 文件夹，找到最新的日志文件（例如类似 2025-02-18.log 的文件）。用记事本打开，搜索关键词 “可用显存为”。查看软件启动时识别到的GPU及其可用显存是多少。如果识别到的显存远小于您GPU 1的实际16GB，则说明软件可能错误地识别了集成显卡或其他低显存设备作为首选。更换语音识别模型进行测试：在主界面的“语音识别”下拉菜单中，将模型从 large-v3-turbo 更换为 base 或 tiny 模型。这是最直接的测试方法，可以排除因模型过大导致的显存不足。如果使用 base 或 tiny 模型后问题解决，则证明是 large-v3-turbo 模型对显存要求过高。如果更换小模型后仍然报错，请提供 logs 文件夹中最新日志文件的底部约30行内容（特别是包含“可用显存为”的部分），以便进一步分析。请查阅相关文档：总是提示显存不足faster-whisper(本地)语音识别渠道

菜单--工具/选项--高级选项--语音识别参数--whisper模型预分割音频？ 选中，将能降低显存消耗

问下，是否有选项可以关闭让人工确认修改的弹窗？

是的，有选项可以关闭人工确认修改的弹窗。该功能称为“单视频交互模式”，在您只处理单个视频时，会在识别后、翻译后、配音后分别弹出编辑窗口。要关闭它，请按以下步骤操作：操作步骤：在软件主界面，确保您只选择了一个视频文件进行处理。在主界面左上角，找到并取消勾选 单视频交互模式 选项。取消勾选后，在处理单个视频时，软件将不再弹出中间编辑窗口，直接按流程自动完成。关于显存优化的补充建议：同时，您可以按照开发者回复的建议，进一步优化显存使用：点击 菜单 -> 工具/选项 -> 高级选项。在 【语音识别参数】 区域，找到并勾选 Whisper预分割音频? 选项。此选项可以降低显存消耗。结合之前建议，将模型更换为 base 或 tiny 进行测试。请查阅相关文档：单视频交互模式高级设置各个选项说明

1：没有找到“单视频交互模式”。
2：3-turbo以上模型，测试报错，报错日志放最后了。
3:medium模型测试，视频中文配音但是显示的是英文字幕，两者不同步。
4：报错日志：
Traceback (most recent call last):
File "videotrans\process\stt_fun.py", line 461, in faster_whisper
File "faster_whisper\transcribe.py", line 1851, in restore_speech_timestamps
File "faster_whisper\transcribe.py", line 1279, in generate_segments
File "faster_whisper\transcribe.py", line 1590, in add_word_timestamps
File "faster_whisper\transcribe.py", line 1709, in find_alignment
RuntimeError: cuBLAS failed with status CUBLAS_STATUS_NOT_SUPPORTED

Traceback (most recent call last):
File "videotrans\task\_only_one.py", line 44, in run
File "videotrans\task\trans_create.py", line 361, in recogn
File "videotrans\recognition\__init__.py", line 293, in run
File "videotrans\recognition\_base.py", line 143, in run
File "videotrans\recognition\_overall.py", line 33, in _exec
File "videotrans\recognition\_overall.py", line 105, in _faster
File "videotrans\configure\_base.py", line 289, in _new_process
RuntimeError: Traceback (most recent call last):
File "videotrans\process\stt_fun.py", line 461, in faster_whisper
File "faster_whisper\transcribe.py", line 1851, in restore_speech_timestamps
File "faster_whisper\transcribe.py", line 1279, in generate_segments
File "faster_whisper\transcribe.py", line 1590, in add_word_timestamps
File "faster_whisper\transcribe.py", line 1709, in find_alignment
RuntimeError: cuBLAS failed with status CUBLAS_STATUS_NOT_SUPPORTED

针对您提出的四个问题，逐一解答如下：

1. 关于“单视频交互模式”位置：
   该选项仅在您只选择了一个视频文件时，才会出现在主界面的左上角（“选择音频或视频”按钮附近）。如果您选择了多个文件或勾选了“文件夹”选项，该选项不会显示。请确保只选中一个视频文件后再查看。

2. 关于 large-v3-turbo 及以上模型报错 CUBLAS_STATUS_NOT_SUPPORTED：
   这是特定于 NVIDIA 50 系列显卡（如 RTX 5090, 5080） 的已知兼容性问题。由于软件内置的 CUDA 库版本与50系显卡的新架构不完全兼容，导致 cuBLAS 库调用失败。
   解决方案：

   • 首选方案：暂时避免使用 large-v3-turbo、large-v3 等大型模型。按照开发者建议，使用 base 或 tiny 模型进行测试和工作。
   • 备用方案：如果必须使用大型模型，可以尝试在 高级选项 -> 语音识别参数 中，将 CUDA数据类型 从 float32 或 float16 改为 int8。int8 量化模式可能绕过有问题的计算路径。

3. 关于 medium 模型测试时，中文视频生成英文字幕且不同步：
   这通常是由于 “发音语言”选择错误 导致的。
   解决方案：

   • 在主界面的 “发音语言” 下拉菜单中，确保正确选择了 “中文” 或 “汉语”，而不是“auto”或“英语”。
   • 字幕与配音不同步是翻译中的常见现象。请确保在“同步对齐”行，根据您的需求勾选 “配音加速”、“视频慢速” 或 “二次识别” 选项来强制对齐。
4. 关于报错日志 CUBLAS_STATUS_NOT_SUPPORTED 的补充说明：
   此错误明确指向了50系显卡的兼容性问题。请优先执行上述第2点的解决方案。

总结操作顺序：

1. 确保 “发音语言” 选择正确（中文）。
2. 将语音识别模型更换为 base 或 tiny。
3. 在 高级选项 -> 语音识别参数 中，勾选 Whisper预分割音频? 以降低显存消耗。
4. 根据对齐需求，在主界面勾选 “二次识别”、“配音加速” 等选项。

如果更换为 base/tiny 模型后问题依旧，请提供软件根目录下 logs 文件夹中最新日志文件的底部约30行内容。

请查阅相关文档：

• CUBLAS_STATUS_NOT_SUPPORTED faster-whisper 在50系显卡上加速遇到错误的解决办法
• 总是提示显存不足
• 视频翻译中的配音、字幕、画面同步对齐
• 高级设置各个选项说明

已经修改为 int8，依然报错。

Traceback (most recent call last):
File "videotrans\process\stt_fun.py", line 418, in faster_whisper
File "faster_whisper\transcribe.py", line 586, in _batched_segments_generator
File "faster_whisper\transcribe.py", line 120, in forward
File "faster_whisper\transcribe.py", line 222, in generate_segment_batched
RuntimeError: cuBLAS failed with status CUBLAS_STATUS_NOT_SUPPORTED

Traceback (most recent call last):
File "videotrans\task\_only_one.py", line 44, in run
File "videotrans\task\trans_create.py", line 361, in recogn
File "videotrans\recognition\__init__.py", line 293, in run
File "videotrans\recognition\_base.py", line 143, in run
File "videotrans\recognition\_overall.py", line 33, in _exec
File "videotrans\recognition\_overall.py", line 105, in _faster
File "videotrans\configure\_base.py", line 289, in _new_process
RuntimeError: Traceback (most recent call last):
File "videotrans\process\stt_fun.py", line 418, in faster_whisper
File "faster_whisper\transcribe.py", line 586, in _batched_segments_generator
File "faster_whisper\transcribe.py", line 120, in forward
File "faster_whisper\transcribe.py", line 222, in generate_segment_batched
RuntimeError: cuBLAS failed with status CUBLAS_STATUS_NOT_SUPPORTED

此错误 CUBLAS_STATUS_NOT_SUPPORTED 是 NVIDIA 50 系列显卡（如 RTX 5090, 5080）与软件当前内置的 CUDA 库版本不兼容导致的特定问题。即使将 CUDA数据类型 改为 int8，在某些计算环节（如 _batched_segments_generator）仍会触发此错误。解决方案：由于这是底层库的兼容性问题，在软件更新修复之前，最直接有效的解决方法是 完全避免使用GPU加速进行语音识别，改为使用CPU运行。操作步骤：在主界面的右上角，取消勾选 CUDA加速 选项。这将强制软件使用CPU进行语音识别。请注意，这会导致识别速度显著变慢，但可以绕过显卡兼容性问题。同时，为了尽可能提升CPU模式下的速度并确保成功：将语音识别模型更换为更小的型号，例如 base 或 tiny。在 高级选项 -> 语音识别参数 中，确保已勾选 Whisper预分割音频? 以降低内存占用。如果必须使用GPU且模型不能更换（如 large-v3），目前没有完美的解决方案。您可以关注软件后续版本更新，看是否会针对50系显卡进行适配。请查阅相关文档：CUBLAS_STATUS_NOT_SUPPORTED faster-whisper 在50系显卡上加速遇到错误的解决办法faster-whisper(本地)语音识别渠道

不要使用int8，改为 float16

如果是从地狱 3.97版本升级到3.99的，请重新下载 3.99完整包覆盖

youtu.com/-hzScOMHG60 看视频

根据开发者回复，请执行以下操作来解决 CUBLAS_STATUS_NOT_SUPPORTED 错误：首要步骤：重新下载并覆盖安装 v3.99 完整包。如果您是从 v3.97 或更早版本升级到 v3.99 的，可能存在文件不完整或冲突。请前往官网下载 v3.99 完整包，解压后覆盖到您现有的软件目录中。关键设置调整：在 高级选项 -> 语音识别参数 中，将 CUDA数据类型 从 int8 改回 float16。int8 模式在50系显卡上可能不稳定，float16 是推荐的平衡选择。同时，请确保已勾选 Whisper预分割音频? 以降低显存消耗。模型选择：暂时避免使用 large-v3-turbo 等大型模型。作为测试，请先使用 base 或 tiny 模型，确认GPU加速能否正常工作。如果 base/tiny 模型在 float16 模式下工作正常，再尝试逐步换回更大的模型。关于您提到的视频链接 youtu.com/-hzScOMHG60，这看起来是一个YouTube视频地址。知识库中没有与此特定视频相关的信息。如果您需要了解该视频中演示的特定功能或问题，请描述视频内容或直接提出相关问题。操作顺序总结：重新下载 v3.99 完整包并覆盖安装。将 CUDA数据类型 设置为 float16。使用 base 或 tiny 模型进行测试。请查阅相关文档：免费下载pyVideoTrans视频翻译软件CUBLAS_STATUS_NOT_SUPPORTED faster-whisper 在50系显卡上加速遇到错误的解决办法高级设置各个选项说明

www.youtube.com/watch?v=-hzScOMHG60 看录屏

该视频链接指向一个YouTube录屏。由于知识库中没有关于此特定视频内容的记录，我无法提供基于该视频的分析。如果您在视频中看到了与 pyVideoTrans 相关的特定操作、问题或现象，请直接描述您遇到的具体问题或疑问，我将根据知识库为您解答。例如，您可以描述：视频中演示了哪个功能？您想实现类似效果但遇到了什么困难？视频中出现了什么报错信息？您遇到了相同的问题吗？请提供具体描述，以便我为您提供准确的解决方案。

在识别完成时，任务管理器左侧GPU图例上有个峰顶，这里可能显存爆了。

试试 菜单--工具/选项--高级选项--语音识别参数--whisper预先分割，将这个选项选中再试试