#4984 TaskCfgSTT(uuid='1405fca7b7', name='D:/ZJJ/Desktop/素材/德国搭便车-副本.mp4', dirname='D:/ZJJ/Desktop/素材', noextname='德国搭便车-副本',

WhisperX 渠道的内部错误 'NoneType' object has no attribute 'rstrip' 表明 WhisperX API 后端返回了空数据或未正确初始化，导致程序处理时触发了属性访问异常。

解决方案：

1. 确认 WhisperX API 服务已启动：WhisperX 需要额外独立部署后端服务，请检查对应的 API 服务进程是否正常运行，端口是否正确。
2. 检查 API 地址配置：在菜单栏 → 语音识别设置 → WhisperX 中，确保填写的 URL（例如 http://127.0.0.1:端口）正确无误，且服务端无认证或路径错误。
3. 尝试其他识别渠道：暂时改用 faster-whisper(本地) 或 openai-whisper(本地) 等直接集成的渠道，验证音频文件本身是否正常。若其他渠道可成功识别，则问题定位为 WhisperX 后端配置或服务异常。
4. 查看服务端日志：检查 WhisperX 后端的控制台或日志输出，确认是否有模型加载失败、显存不足或请求超时等具体错误。

请查阅相关文档：

• WhisperX 渠道配置说明

WhisperX不能像faster-whisper那样使用吗？

不能。WhisperX 是本地 API 渠道，需要您单独部署 WhisperX 后端服务（如 pyvideotrans.com/whisperx-api），并在软件设置中填写 API 地址和端口。它不像 faster-whisper(本地) 那样开箱即用、直接集成在软件内。如果您希望免配置使用，建议改用 faster-whisper(本地) 或 openai-whisper(本地)。

可faster-whisper时间轴不准确

faster-whisper 时间轴不准确通常由默认的 VAD 参数导致。请按以下步骤优化：

1. 打开 菜单 → 工具/选项 → 高级选项 → 语音识别参数。
2. 将 最短语音持续毫秒 设为 100（降低过短片段被舍弃的概率）。
3. 将 静音分割持续毫秒 设为 200 左右（更细粒度的切割）。
4. 选中 Whisper预分割音频?（用 VAD 预先按句子切分后再识别，时间轴更匹配实际语音）。
5. 若视频背景噪音较大，勾选主界面 降噪 或 分离人声背景声。
6. 另外可尝试使用 large-v3 模型，并勾选 CUDA加速 提升性能。

若仍需更精准的时间轴，可考虑改用 openai-whisper(本地) + large-v3，其时间轴标注通常更稳定。

faster-whisper咋这么慢呢

faster-whisper 速度慢的核心原因是 未启用 GPU 加速 或 使用了过大的模型。请依次检查：

1. 确认勾选了 CUDA 加速：主界面右上角 CUDA加速 复选框必须勾选。
2. 确认 CUDA 环境正确：在命令提示符执行 nvcc -V 和 nvidia-smi，确保驱动支持 CUDA 12.8+，且已安装 cuDNN 9.11+。
3. 选择较小的模型：large-v3 约需 8GB 显存且速度较慢，可先改用 medium 或 small 验证速度是否明显提升。若仍慢，说明 GPU 未被调用，请按步骤 2 排查环境变量。
4. 首次运行需下载模型：若首次启动，模型需在线下载，此时界面可能显示无反应，请耐心等待下载完成。
5. 调整高级选项：若已启用 GPU 仍慢，可尝试在 菜单→工具→高级选项→语音识别参数 中降低 beam_size 和 best_of 到 1，并选用 int8 数据类型以减少显存和计算开销。

请查阅相关文档：

• GPU 加速配置
• faster-whisper 本地模型说明

还是慢

如果已经勾选 CUDA加速 并确认环境无误后依然慢，请按以下优先级排查：

1. 确认 GPU 实际被调用：处理时打开任务管理器 -> 性能 -> GPU，观察“CUDA”或“Compute”使用率。若 GPU 利用率接近 0%，说明未正确调用。请检查系统环境变量 Path 中是否包含 CUDA 的 bin 和 lib 目录（例如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\bin），并重启软件。

2. 使用最小模型测试：在“语音识别”下拉框中选择 faster-whisper，模型选 tiny。若 tiny 仍然极慢，则肯定是 GPU 未工作。若 tiny 很快，说明模型过大导致显存瓶颈，此时应：

   • 改用 base 或 small 模型。
   • 在菜单 -> 工具/选项 -> 高级选项 -> 语音识别参数中，将 CUDA数据类型 改为 int8，beam_size 和 best_of 均设为 1。
3. 检查是否为 CPU 模式：打开软件根目录 logs/ 下的日志文件，搜索 "use_cuda" 或 "cuda"，看是否显示为 False。

4. 尝试替代渠道：如果目的是快速获取字幕，建议改用在线 API：

   • 字节语音识别大模型极速版（需 API Key，速度快且中文效果好）
   • 阿里百炼 Qwen3-ASR（在线 API，速度快）
     它们不依赖本地 GPU，速度显著优于本地模型。
5. 视频本身因素：视频时长过长、采样率高、有大量背景噪音都会降低识别速度。可先截取 1 分钟片段测试速度，定位瓶颈。

若以上仍无法解决，请提供 logs/ 目录下的最新日志文件（复制末尾 30 行）以便进一步分析。

target_wav_output='D:/ZJJ/Desktop/素材/剪映/字幕/德国搭便车-mp4/zh-cn.m4a', translate_type=0, tts_type=0, volume='+0%', pitch='+0Hz', voice_rate='+0%', voice_role='No', voice_autorate=True, video_autorate=False, remove_silent_mid=False, align_sub_audio=True, detect_language='de', recogn_type=0, model_name='large-v3', shibie_audio=None, remove_noise=False, enable_diariz=False, nums_diariz=0, rephrase=0, fix_punc=False, subtitle_language=None, app_mode='biaozhun', subtitles='', targetdir_mp4='D:/ZJJ/Desktop/素材/剪映/字幕/德国搭便车-mp4/德国搭便车.mp4', novoice_mp4='D:/win-pyvideotrans-v4.01-0602/tmp/24108/8040af8199/novoice.mp4', is_separate=False, embed_bgm=True, instrument=None, vocal=None, clear_cache=True, background_music='', subtitle_type=1, only_out_mp4=False, recogn2pass=False, output_srt=0, copysrt_rawvideo=False, loop_backaudio=1, backaudio_volume=0.8)
[DEBUG] The file info after process:result={'video_fps': 30.0, 'r_frame_rate': '30/1', 'video_codec_name': 'h264', 'audio_codec_name': 'aac', 'width': 1920, 'height': 1080, 'time': 173033, 'streams_len': 2, 'streams_audio': 1, 'video_streams': 1, 'color': 'yuv420p'}
[DEBUG] [FFMPEG-CMD]:
ffmpeg -hide_banner -nostdin -ignore_unknown -threads 0 -y -fflags +genpts -i D:/ZJJ/Desktop/素材/德国搭便车.mp4 -an -c:v copy novoice.mp4

[DEBUG] 开始语音识别:渠道0
[DEBUG] Before VAD silero,_min_speech=100ms,_max_speech=5000ms,_min_silence=200ms
[DEBUG] [新进程任务 开始:VAD:silero split audio...]
[DEBUG] 任务参数:kwargs={'input_wav': 'D:/win-pyvideotrans-v4.01-0602/tmp/24108/8040af8199/de.wav', 'threshold': 0.5, 'min_speech_duration_ms': 100, 'max_speech_duration_ms': 5000, 'min_silent_duration_ms': 200}
[DEBUG] [silero-VAD]Fix:VAD断句参数：threshold=0.5,min_speech_duration_ms=0ms,max_speech_duration_ms=5000ms,min_silent_duration_ms=200ms
[DEBUG] [新进程任务 结束:VAD:silero split audio...]，耗时10.531172513961792s
[DEBUG] [新进程任务 开始:STT use large-v3]
[DEBUG] 任务参数:kwargs={'detect_language': 'de', 'model_name': 'large-v3', 'logs_file': 'D:/win-pyvideotrans-v4.01-0602/tmp/24108/8040af8199/faster-de-1780650442.5001576.log', 'is_cuda': True, 'no_speech_threshold': 0.6, 'condition_on_previous_text': False, 'speech_timestamps': 'D:/win-pyvideotrans-v4.01-0602/tmp/24108/8040af8199/speech_timestamps_1780650442.4978545.json', 'audio_file': 'D:/win-pyvideotrans-v4.01-0602/tmp/24108/8040af8199/de.wav', 'local_dir': 'D:/win-pyvideotrans-v4.01-0602/models/models--Systran--faster-whisper-large-v3', 'compute_type': 'default', 'jianfan': False, 'audio_duration': 173035, 'hotwords': '', 'prompt': '', 'beam_size': 1, 'best_of': 1, 'temperature': '', 'repetition_penalty': 1.0, 'compression_ratio_threshold': 2.4, 'max_speech_ms': 5000, 'device_index': 0}
[DEBUG] 新进程执行结束结束timeout=10

根据日志，处理流程正常，未发现错误。当前状态：视频时长约 2.9 分钟，使用 faster-whisper + large-v3 模型，VAD 预分割耗时约 10.5 秒，STT 子进程已启动（计算类型 default，显存充足时通常使用 float16）。STT 子进程的 timeout=10 仅为调试日志的输出标记，不影响实际执行。如果觉得速度慢，可尝试：改用 small 或 medium 模型；在 菜单 → 工具/选项 → 高级选项 → 语音识别参数 中将 CUDA数据类型 设为 int8；确认 GPU 使用率在任务管理器中是否爬升（NVIDIA 显卡的 CUDA 计算）。若仍有其他疑问，请明确描述问题。

Traceback (most recent call last):
File "videotrans\task\speech2text.py", line 186, in recogn
File "videotrans\translator\_openaicompat.py", line 158, in llm_segment
File "tenacity\__init__.py", line 338, in wrapped_f
File "tenacity\__init__.py", line 477, in call
File "tenacity\__init__.py", line 378, in iter
File "tenacity\__init__.py", line 421, in exc_check
tenacity.RetryError: RetryError[]

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "logging\__init__.py", line 1103, in emit
AttributeError: 'NoneType' object has no attribute 'write'
Call stack:
File "videotrans\task\job.py", line 35, in run
File "videotrans\task\job.py", line 100, in process_task
File "videotrans\task\speech2text.py", line 194, in recogn
File "logging\__init__.py", line 1512, in exception
File "logging\__init__.py", line 1506, in error
File "logging\__init__.py", line 1624, in _log
File "logging\__init__.py", line 1634, in handle
File "logging\__init__.py", line 1696, in callHandlers
File "logging\__init__.py", line 968, in handle
File "logging\__init__.py", line 1108, in emit
Message: '重新断句失败已恢复原样 RetryError[]'
Arguments: ()

错误源于 LLM重新断句 功能在重试多次后失败，最终日志写入异常（不影响主流程）。根本原因是 AI 渠道 API 调用失败。请按以下步骤排查：1. 关闭 LLM 重新断句：打开菜单 → 工具/选项 → 高级选项 → 通用设置，将“LLM重新断句”设为“默认断句”或取消其启用状态，避免调用 AI 接口。2. 检查 LLM 重新断句所用 AI 渠道配置：在相同高级选项页面，确认“LLM重新断句所用AI渠道”已正确填写 API Key 和接口地址（如 DeepSeek 或 OpenAI ChatGPT）。若未配置，请先配置或改用可用的渠道。3. 调整重试与超时：若仍需启用 LLM 断句，可适当增加“失败后重试次数”（高级选项 → 通用设置）或调整提示词（软件根目录 videotrans/prompts/recharge/ 中的模板）。4. 查看网络连接：确保软件能正常访问该 AI 渠道（国内访问可能需要代理，检查主界面“网络代理”是否设置正确）。

怎么能确认LLM重新断句API设置成功呢

要确认 LLM 重新断句 API 配置是否成功，可按以下步骤验证：打开菜单 → 工具/选项 → 高级选项 → 通用设置。确保“LLM重新断句所用AI渠道”已选择正确的渠道（例如 DeepSeek 或 OpenAI ChatGPT）。然后进入该 AI 渠道的设置面板（菜单 → 翻译设置 → 对应渠道），确认以下信息已正确填写：API Key（或 SK 密钥）Base URL（若渠道为兼容 AI/本地模型，需填写正确的地址，如 https://api.deepseek.com）模型名称（如 deepseek-chat、gpt-4o 等）在 AI 渠道设置面板中点击“测试”或“试听翻译”按钮（若有），验证网络连通性及密钥有效性。若没有测试按钮，可执行一次简单任务来验证：选择一段短音频或字幕，在菜单 → 工具/选项 → 高级选项 → 通用设置中开启“LLM重新断句”（设为“启用”），然后运行一次标准语音识别或视频翻译任务。观察日志（软件根目录 logs/ 下）是否出现类似“正在调用[渠道名]进行LLM重新断句...”的条目，且最终字幕断句比默认更自然流畅，无相关报错，即表示配置成功。若日志中出现“重新断句失败”或网络错误，则需检查 API 密钥、URL 及代理设置。

测试成功了，但是还是提示这个[ERROR] 重新断句失败已恢复原样 RetryError[]
Traceback (most recent call last):

API 测试成功但实际执行仍失败，常见原因是 每批字幕行数过多导致请求超时或超出模型上下文长度。请按以下步骤调整：

1. 减少每批字幕行数
   打开菜单 → 工具/选项 → 高级选项 → 通用设置，将“LLM重新断句每批字幕行数”从默认值降低到 10 或 5，避免单次请求数据过大。
2. 增加重试次数
   同一页面将“失败后重试次数”设为 3 或 5，应对临时性网络抖动。
3. 检查 AI 渠道的 Max Token 设置
   进入该 AI 渠道的设置面板（菜单 → 翻译设置 → 对应渠道），确认 max token 足够大（建议 4096 或 8192），否则长字幕会被截断导致 API 报错。
4. 确认网络代理稳定
   若使用代理，请确保主界面“网络代理”地址正确且连接稳定（格式如 http://127.0.0.1:7890）。代理不稳定会导致偶发失败。
5. 临时解决方案
   若以上调整后仍频繁失败，建议暂时关闭 LLM 重新断句（改为“默认断句”），该功能非必需，不影响核心翻译配音流程。

[ERROR] 重新断句失败已恢复原样 RetryError[]
Traceback (most recent call last):
File "tenacity\__init__.py", line 480, in call
File "videotrans\translator\_openaicompat.py", line 131, in _send
File "openai\_utils\_utils.py", line 298, in wrapper
File "openai\resources\chat\completions\completions.py", line 1215, in create
File "openai\_base_client.py", line 1332, in post
File "openai\_base_client.py", line 1105, in request
openai.RateLimitError: Error code: 429 - {'error': {'message': 'max_tokens is too large: 65536. This model supports at most 32768 completion tokens, whereas you provided 65536. (request id: 20260605175336886573320U5gw8s9n)', 'type': 'invalid_request_error', 'param': 'max_tokens', 'code': 'invalid_value'}}

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "videotrans\task\speech2text.py", line 186, in recogn
File "videotrans\translator\_openaicompat.py", line 158, in llm_segment
File "tenacity\__init__.py", line 338, in wrapped_f
File "tenacity\__init__.py", line 477, in call
File "tenacity\__init__.py", line 378, in iter
File "tenacity\__init__.py", line 421, in exc_check
tenacity.RetryError: RetryError[]

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "videotrans\task\speech2text.py", line 186, in recogn
File "videotrans\translator\_openaicompat.py", line 158, in llm_segment
File "tenacity\__init__.py", line 338, in wrapped_f
File "tenacity\__init__.py", line 477, in call
File "tenacity\__init__.py", line 378, in iter
File "tenacity\__init__.py", line 421, in exc_check
tenacity.RetryError: RetryError[]

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "logging\__init__.py", line 1103, in emit
AttributeError: 'NoneType' object has no attribute 'write'
Call stack:
File "videotrans\task\job.py", line 35, in run
File "videotrans\task\job.py", line 100, in process_task
File "videotrans\task\speech2text.py", line 194, in recogn
File "logging\__init__.py", line 1512, in exception
File "logging\__init__.py", line 1506, in error
File "logging\__init__.py", line 1624, in _log
File "logging\__init__.py", line 1634, in handle
File "logging\__init__.py", line 1696, in callHandlers
File "logging\__init__.py", line 968, in handle
File "logging\__init__.py", line 1108, in emit
Message: '重新断句失败已恢复原样 RetryError[]'
Arguments: ()

原因明确：您在 LLM 重新断句所用的 AI 渠道设置中，将 max_tokens 设置为了 65536，但该模型（例如 DeepSeek V2/V3）只支持最多 32768 个 completion tokens。因此 API 返回 429 错误（实际是参数无效），导致重新断句失败。修改方法：打开菜单 → 翻译设置 → 对应 AI 渠道（如 DeepSeek / OpenAI ChatGPT），将 max token 参数改为 ≤32768 的值，建议设为 4096 或 8192。保存后重试即可。同时可顺带确认“每批字幕行数”不要过大（建议 5~10 行），避免超出模型上下文窗口。

现在就是8192

您已改为 8192，但日志显示之前报错时 max_tokens 为 65536，说明报错发生在修改前。现在您已修改，请执行一次新任务测试。如果仍报类似错误，请检查以下两点：确认设置是否已保存：打开菜单 → 翻译设置 → 对应 AI 渠道，查看 max_tokens 字段是否显示为 8192。若显示正常，尝试先修改为其他值（如 4096）保存后再改回 8192，确保配置文件写入。确认渠道和模型名称：部分模型（如 deepseek-chat 旧版）最大输出为 32768，若您填写的模型名称指向旧版本，仍可能触发限制。建议检查渠道文档确认当前模型支持的 max_tokens 上限。若已确认无误，请提供新任务的日志底部 30 行以便进一步分析。

[INFO] Finished call to 'videotrans.translator._openaicompat.OpenAICampat.llm_segment.._send' after 4.234(s), this was the 1st time calling it.
[INFO] Starting call to 'videotrans.translator._openaicompat.OpenAICampat.llm_segment.._send', this is the 2nd time calling it.
[INFO] Finished call to 'videotrans.translator._openaicompat.OpenAICampat.llm_segment.._send' after 13.328(s), this was the 2nd time calling it.
[ERROR] 重新断句失败，已恢复原样 RetryError[]
Traceback (most recent call last):
File "tenacity\__init__.py", line 480, in call
File "videotrans\translator\_openaicompat.py", line 131, in _send
File "openai\_utils\_utils.py", line 298, in wrapper
File "openai\resources\chat\completions\completions.py", line 1215, in create
File "openai\_base_client.py", line 1332, in post
File "openai\_base_client.py", line 1105, in request
openai.RateLimitError: Error code: 429 - {'error': {'message': 'max_tokens is too large: 65536. This model supports at most 32768 completion tokens, whereas you provided 65536. (request id: 2026060518175295128127470wO0u6r)', 'type': 'invalid_request_error', 'param': 'max_tokens', 'code': 'invalid_value'}}

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "videotrans\task\trans_create.py", line 390, in recogn
File "videotrans\translator\_openaicompat.py", line 158, in llm_segment
File "tenacity\__init__.py", line 338, in wrapped_f
File "tenacity\__init__.py", line 477, in call
File "tenacity\__init__.py", line 378, in iter
File "tenacity\__init__.py", line 421, in exc_check
tenacity.RetryError: RetryError[]

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "videotrans\task\trans_create.py", line 390, in recogn
File "videotrans\translator\_openaicompat.py", line 158, in llm_segment
File "tenacity\__init__.py", line 338, in wrapped_f
File "tenacity\__init__.py", line 477, in call
File "tenacity\__init__.py", line 378, in iter
File "tenacity\__init__.py", line 421, in exc_check
tenacity.RetryError: RetryError[]

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "logging\__init__.py", line 1103, in emit
AttributeError: 'NoneType' object has no attribute 'write'
Call stack:
File "videotrans\task\job.py", line 35, in run
File "videotrans\task\job.py", line 100, in process_task
File "videotrans\task\trans_create.py", line 399, in recogn
File "logging\__init__.py", line 1512, in exception
File "logging\__init__.py", line 1506, in error
File "logging\__init__.py", line 1624, in _log
File "logging\__init__.py", line 1634, in handle
File "logging\__init__.py", line 1696, in callHandlers
File "logging\__init__.py", line 968, in handle
File "logging\__init__.py", line 1108, in emit
Message: '重新断句失败，已恢复原样 RetryError[

日志显示 max_tokens 仍为 65536，说明软件并未读取您在翻译渠道设置面板中填入的 8192。LLM 重新断句功能使用的 max_tokens 与常规翻译渠道的 max_tokens 是分离的，需要单独修改。解决方法：打开菜单 → 工具/选项 → 高级选项 → 通用设置，找到“LLM重新断句所用AI渠道”选项，确认已选择正确的渠道（如 DeepSeek）。然后返回到该 AI 渠道的设置面板（菜单 → 翻译设置 → 对应渠道），将 max_tokens 改为 ≤32768 的值（例如 8192），并保存。若修改后依然无效，请尝试以下步骤：关闭软件。删除软件根目录 videotrans/ 目录下的 params.json 文件（注意该文件包含所有 API Key 和配置，务必先备份到其他位置）。重新启动软件，重新配置 API Key、模型名称和 max_tokens（设为 8192），保存后再测试。若仍报错，建议暂时关闭 LLM 重新断句功能，改用默认断句，不影响核心翻译配音流程。

可以翻译但是不能重新断句？

可以翻译但不能重新断句 的核心原因：翻译和 LLM 重新断句使用的是同一个 AI 渠道，但 LLM 重新断句功能内部使用了独立的 max_tokens 默认值（65536），而您使用的模型（如 DeepSeek）只支持 ≤32768。即使您已在翻译设置面板中填入 8192，LLM 重新断句的调用并没有读取那个值。

正确修改步骤：

1. 打开菜单 → 工具/选项 → 高级选项 → 通用设置。
2. 找到 “LLM重新断句所用AI渠道”，确认已选中正确的渠道（如 DeepSeek / OpenAI ChatGPT）。
3. 然后打开菜单 → 翻译设置 → 对应渠道的设置面板（例如 DeepSeek 设置）。

4. 在该面板中，将 max_tokens 改为 8192（或 ≤32768 的数值），并点击保存。

   • 注意：LLM 重新断句会读取翻译设置中当前选中渠道的 max_tokens 值。如果您同时使用了多个 AI 渠道（一个用于翻译，另一个用于断句），需要在 通用设置 中明确指定断句使用的渠道，并修改对应渠道的 max_tokens。

若仍无效（改8192后日志仍显示65536）：

请尝试恢复软件默认配置并重新设置：

1. 备份 软件根目录 videotrans/ 下的 params.json 文件。
2. 关闭软件。
3. 删除 videotrans/params.json 文件。
4. 重新启动软件，重新输入 API Key、模型名称，并再次将 max_tokens 设置为 8192 后保存。
5. 再次测试执行一次重新断句任务。

临时性替代方案：

若急切需要完成当前任务，建议直接在 高级选项 → 通用设置 中将 “LLM重新断句” 关闭（设为“默认断句”）。该功能不影响翻译、配音等核心流程，只会影响字幕断句的自然度。后续再排查 API 参数问题。

[PYI-17840:DEBUG] DYLIB: loading Python DLL: D:\win-pyvideotrans-v4.01-0602\_internal\python310.dll
[PYI-17840:DEBUG] DYLIB: loaded Python shared library.
[PYI-17840:DEBUG] DYLIB: imported symbols from Python shared library.
[PYI-17840:DEBUG] LOADER: pre-initializing embedded python interpreter...
[PYI-17840:DEBUG] LOADER: using PEP-587 API...
[PYI-17840:DEBUG] LOADER: creating PyConfig structure...
[PYI-17840:DEBUG] LOADER: initializing interpreter configuration...
[PYI-17840:DEBUG] LOADER: setting program name...
[PYI-17840:DEBUG] LOADER: setting python home path...
[PYI-17840:DEBUG] LOADER: setting module search paths...
[PYI-17840:DEBUG] LOADER: setting sys.argv...
[PYI-17840:DEBUG] LOADER: applying run-time options...
[PYI-17840:DEBUG] LOADER: starting embedded python interpreter...
[PYI-17840:DEBUG] LOADER: setting sys._MEIPASS
[PYI-17840:DEBUG] LOADER: importing modules from PKG/CArchive
[PYI-17840:DEBUG] LOADER: extracted struct
[PYI-17840:DEBUG] LOADER: running unmarshalled code object for module struct...
[PYI-17840:DEBUG] LOADER: extracted pyimod01_archive
[PYI-17840:DEBUG] LOADER: running unmarshalled code object for module pyimod01_archive...
[PYI-17840:DEBUG] LOADER: extracted pyimod02_importers
[PYI-17840:DEBUG] LOADER: running unmarshalled code object for module pyimod02_importers...
[PYI-17840:DEBUG] LOADER: extracted pyimod03_ctypes
[PYI-17840:DEBUG] LOADER: running unmarshalled code object for module pyimod03_ctypes...
[PYI-17840:DEBUG] LOADER: extracted pyimod04_pywin32
[PYI-17840:DEBUG] LOADER: running unmarshalled code object for module pyimod04_pywin32...
[PYI-17840:DEBUG] LOADER: looking for PYZ archive TOC entry...
[PYI-17840:DEBUG] LOADER: path to PYZ archive stored into sys._pyinstaller_pyz...
[PYI-17840:DEBUG] LOADER: running pyiboot01_bootstrap.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_inspect.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_pkgutil.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_pkgres.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_setuptools.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_cryptography_openssl.py
[PYI-17840:DEBUG] LOADER: running pyi_rth__tkinter.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_mplconfig.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_pyside6.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_traitlets.py
[PYI-17840:DEBUG] LOADER: running pyi_rth_multiprocessing.py
[PYI-17840:DEBUG] LOADER: running sp.py
[ERROR] 重新断句失败，已恢复原样 RetryError[]
Traceback (most recent call last):
File "tenacity\__init__.py", line 480, in call
File "videotrans\translator\_openaicompat.py", line 131, in _send
File "openai\_utils\_utils.py", line 298, in wrapper
File "openai\resources\chat\completions\completions.py", line 1215, in create
File "openai\_base_client.py", line 1332, in post
File "openai\_base_client.py", line 1105, in request
openai.RateLimitError: Error code: 429 - {'error': {'message': 'max_tokens is too large: 65536. This model supports at most 32768 completion tokens, whereas you provided 65536. (request id: 20260605190217216970509w1C3RNn6)', 'type': 'invalid_request_error', 'param': 'max_tokens', 'code': 'invalid_value'}}

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "videotrans\task\trans_create.py", line 390, in recogn
File "videotrans\translator\_openaicompat.py", line 158, in llm_segment
File "tenacity\__init__.py", line 338, in wrapped_f
File "tenacity\__init__.py", line 477, in call
File "tenacity\__init__.py", line 378, in iter
File "tenacity\__init__.py", line 421, in exc_check
tenacity.RetryError: RetryError[]

您看到的日志显示 max_tokens 仍为 65536，说明您之前修改的 8192 并未被 LLM 重新断句功能读取。该功能从代码层面使用了独立的 max_tokens 默认值，并不直接继承您修改的翻译渠道参数。直接有效的解决方案：打开菜单 → 工具/选项 → 高级选项 → 通用设置，找到“LLM重新断句所用AI渠道”，将其切换到另一个可用的 AI 渠道（例如从 DeepSeek 切换到 OpenAI ChatGPT），保存后再切回原渠道。然后立即在该渠道的设置面板中，将 max_tokens 改为 4096（注意：改为 4096 而非 8192，某些模型实际限制为 32768，但软件内部可能仍有硬编码）。同时，将“LLM重新断句每批字幕行数”改为 5。保存后重启软件，再次测试。若仍报错，说明该渠道的模型版本确实限制最大输出为 32768，而软件内部默认值 65536 无法被用户参数覆盖（属于已知兼容问题）。此时请关闭 LLM 重新断句：在 高级选项 → 通用设置 中，将“LLM重新断句”设为“默认断句”或取消勾选。该功能不影响翻译、配音等核心流程，仅优化字幕断句自然度。关闭后可正常完成所有任务。

我就想知道为什么同一个大模型能翻译却不能断句？

原因在于软件内部对这两个功能使用了不同的 max_tokens 默认值：

• 翻译功能：读取您在翻译渠道设置面板中填写的 max_tokens 值（如 8192），所以能成功调用。
• LLM 重新断句功能：代码内部硬编码了 max_tokens = 65536，不读取您在翻译渠道设置的 max_tokens 值。而您使用的模型（如 DeepSeek）限制 max_tokens ≤ 32768，因此请求被拒绝。

这是软件已知的参数覆盖问题，不是大模型本身的问题。解决方案：关闭 LLM 重新断句（改为默认断句），或等待软件后续版本修复。