#467 语音转字幕问题

104.194* Posted at: 2 months ago 👁537

我已经下载最新版本了，最大语音持续时间，LLM重新断句和本地重新断句完全没用，不知道这几个设置以什么样的逻辑来运行的。

勾选LLM和本地重新断句确实结果不一样，但是也不是按设置的最大语音持续时间来分段的。

字幕溢出始终是一个问题，我想到的解决办法是按单词数分段，设置说多少个单词进行分段，不知道能不能实现这种功能。

8 Replies

Floor #1 167.234* Posted at 2 months ago

Admin

1. 断句仅针对faster-whisperr/openai-whispe这2个渠道起作用

2. 本地断句是按照标点符号进行断句，当句子时长超过设置的“最小语音时长”按照遇到的的第一个标点断句

3. 如果句子超过“最大语音时长” 1.5倍仍未遇到标点时，则强制在此断句

4. 或者单词距离下个单词时长大于设置的“最小静音片段”时也强制断句

Floor #2 167.234* Posted at 2 months ago

Admin

按单词数量断句不合适，会大量出现句子中间强硬中断，你可以选择“均等分割”试试

Floor #3 104.194* Posted at 2 months ago

1.按单词数可以和现有逻辑结合，按单词数可以设置15左右，一般不会触发，我只是想它在长句能触发，因为长句翻译成中文大概率会溢出屏幕。

2.嵌入字幕的单行字符数又是怎么回事呢，我极端设置为1，发现毫无变化。

Floor #4 69.30* Posted at 2 months ago

image

如图，嵌入字幕单行字符数我试过了，没用

强行中断其实无所谓的，真的比这种情况好

软件很多设置都不是按实际设置来，调半天才发现内在逻辑不是完全按设置的来

我觉得可以放开设置，允许用户用默认的也允许用户调

Floor #5 62.192* Posted at 2 months ago

在吗？

Floor #6 69.30* Posted at 2 months ago

在吗？

Floor #7 43.135* Posted at 6 days ago

文件太大了，我本地因为没有GPU服务，所以没用这个软件；下载了你们单独的处理字幕的软件，但是哪个软件只支持gemini api，使用gemini pro学生版的api，无法使用，想换成其他第三方模型，没有地方可以更换，这个解决一下吧，至少支持其他第三方模型才可以

Floor #8 DeepSeek Posted at 6 days ago

根据您的描述和截图，您遇到的核心问题是字幕断句逻辑与预期不符，以及嵌入字幕单行字符数设置无效。结合官方回复和软件原理，为您梳理如下：

一、关于断句功能（LLM重新断句/本地重新断句）

  1. 作用范围：如开发者所述，断句功能仅对 faster-whisper 和 openai-whisper 这两个语音识别渠道有效。如果您使用的是其他识别渠道（如阿里FunASR或在线API），这些设置将不起作用。

  2. 本地断句逻辑：

    • 主要依据：识别出的文本中的标点符号（如句号、逗号、问号等）。

    • 强制断句条件（满足任一即断）：

      • 当一句话的时长超过您设置的 “最小语音时长”，并且遇到了第一个标点符号。
      • 当一句话的时长超过了 “最大语音时长”的1.5倍，即使没有遇到标点，也会强制在此处断句。
      • 当两个单词之间的静音间隔超过了 “最小静音片段” 的设定值。
  3. LLM断句逻辑：这是效果最好的方式。它会将原始识别文本发送给您配置的LLM（如ChatGPT、DeepSeek），由AI根据语义和语法进行智能分段。“最大语音持续时间”等参数对LLM断句影响较小，LLM主要依据语义。

  4. 您的诉求与解决方案：

    • 按单词数断句：目前软件不支持此功能。开发者的考虑是避免在句子中间生硬切断影响语义。对于长句导致字幕溢出的问题，更有效的解决方案是：

      • 使用“均等分割”：在字幕编辑界面，可以使用此功能将长句均匀分割成多行。
      • 优化“嵌入字幕单行字符数”（见下文）。
      • 后续手动在字幕编辑器中调整：这是最精准的控制方式。

二、关于“嵌入字幕单行字符数”设置无效的问题

根据您的截图和描述，该设置可能仅在“嵌入硬字幕”时生效。如果您的字幕是“软字幕”（可关闭的字幕轨道），或者输出时选择了“不嵌入字幕”，那么这个设置不会起作用。

请按以下步骤检查和操作：

  1. 确认输出设置：在主界面第5行“字幕显示”中，确保您选择的是 嵌入硬字幕。

  2. 检查高级选项：

    • 进入 工具 -> 选项 -> 高级选项。
    • 在“视频输出控制”部分，确认 视频字幕单行最多字数 的设置值（默认可能是20）。这个设置应该与主界面的“嵌入字幕单行字符数”联动或覆盖它。
  3. 测试：将“视频字幕单行最多字数”设置为一个较小的值（如10），然后重新处理一个短视频，观察生成的硬字幕是否按此字数换行。

三、关于单独的字幕处理软件（仅支持Gemini API）的问题

您提到的“单独处理字幕的软件”可能是一个功能模块或旧版本。在最新的 pyVideoTrans 主程序中，翻译功能支持大量第三方模型。

解决方案：在 pyVideoTrans 主程序中更换翻译模型

  1. 在主界面第3行“翻译”设置中，点击下拉菜单，您会看到包括 Google、ChatGPT、DeepSeek、Claude、智谱AI、阿里百炼、字节火山 等众多选项。
  2. 选择您想要的模型（例如“DeepSeek”）。
  3. 然后点击右侧的 翻译设置 按钮。
  4. 在弹出的窗口中，填入对应模型的API Key和Base URL（如果需要）。
  5. 保存设置后即可使用。

如果您使用的确实是另一个独立软件且无法找到设置，建议直接使用功能更全面的 pyVideoTrans 主程序来处理字幕的翻译和配音。

总结与建议

  1. 断句问题：优先使用 LLM重新断句 并配置好您的LLM API，这是最智能的断句方式。理解本地断句依赖于标点和静音参数。
  2. 字幕换行问题：确保输出为 嵌入硬字幕，并检查 高级选项 中的 视频字幕单行最多字数。
  3. 模型支持问题：使用 pyVideoTrans 主程序，它支持几乎所有主流AI翻译模型。

如果调整后问题依旧，请提供您在处理时选择的 具体识别渠道、输出格式 以及 logs 文件夹下的相关日志文件，以便进一步分析。

Post Your Reply
Open source and free maintenance is not easy. If this project is helpful to you, please consider making a small donation to help the project continue to maintain and update.

Donate: https://ko-fi.com/jianchang512

Trending Questions