#4987 TaskCfgVTT(uuid='faee3044f2', name='D:/kkUcXE.mp4', dirname='D:/', noextname='kkUcXE', basename='kkUcXE.mp4', ext='mp4',

104.160* Posted at: 6 hours ago

non-negative timestamp expected:Traceback (most recent call last):
File "videotrans\process\stt_fun.py", line 239, in faster_whisper
File "faster_whisper\transcribe.py", line 460, in transcribe
File "faster_whisper\utils.py", line 123, in format_timestamp
AssertionError: non-negative timestamp expected
语音识别阶段出错:faster-whisper(本地), 翻译字幕阶段出错: Google(免费), 配音阶段出错:Edge-TTS(免费)
Traceback (most recent call last):
File "videotrans\task\only_one.py", line 47, in run
File "videotrans\task\trans_create.py", line 322, in recogn
File "videotrans\recognition\__init__.py", line 190, in run
File "videotrans\recognition\_base.py", line 94, in run
File "videotrans\recognition\_whisper.py", line 36, in _exec
File "videotrans\recognition\_whisper.py", line 109, in _faster
File "videotrans\configure\base.py", line 253, in _new_process
videotrans.configure.excepts.VideoTransError: non-negative timestamp expected:Traceback (most recent call last):
File "videotrans\process\stt_fun.py", line 239, in faster_whisper
File "faster_whisper\transcribe.py", line 460, in transcribe
File "faster_whisper\utils.py", line 123, in format_timestamp
AssertionError: non-negative timestamp expected
TaskCfgVTT(uuid='faee3044f2', name='D:/kkUcXE.mp4', dirname='D:/', noextname='kkUcXE', basename='kkUcXE.mp4', ext='mp4', target_dir='E:/kkUcXE-mp4', cache_folder='D:/BaiduNetdiskDownload/win-pyvideotrans-v4.01-0602/tmp/10704/faee3044f2', is_cuda=True, source_language='简体中文', source_language_code='zh-cn', source_sub='E:/kkUcXE-mp4/zh-cn.srt', source_wav='D:/BaiduNetdiskDownload/win-pyvideotrans-v4.01-0602/tmp/10704/faee3044f2/zh-cn.wav', source_wav_output='E:/kkUcXE-mp4/zh-cn.m4a', target_language='英语', target_language_code='en', target_sub='E:/kkUcXE-mp4/en.srt', target_wav='D:/BaiduNetdiskDownload/win-pyvideotrans-v4.01-0602/tmp/10704/faee3044f2/target.wav', target_wav_output='E:/kkUcXE-mp4/en.m4a', translate_type=0, tts_type=0, volume='+0%', pitch='+0Hz', voice_rate='+20%', voice_role='Steffan(Male/US)', voice_autorate=True, video_autorate=True, remove_silent_mid=False, align_sub_audio=True, detect_language='zh-cn', recogn_type=0, model_name='distil-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='E:/kkUcXE-mp4/kkUcXE.mp4', novoice_mp4='D:/BaiduNetdiskDownload/win-pyvideotrans-v4.01-0602/tmp/10704/faee3044f2/novoice.mp4', is_separate=False, embed_bgm=True, instrument=None, vocal='D:/BaiduNetdiskDownload/win-pyvideotrans-v4.01-0602/tmp/10704/faee3044f2/vocal.wav', clear_cache=False, background_music='', subtitle_type=1, only_out_mp4=False, recogn2pass=False, output_srt=0, copysrt_rawvideo=False, loop_backaudio=1, backaudio_volume=0.8)

=
system:Windows-10-10.0.19045-SP0
version:v4.01
frozen:True
language:zh
root_dir:D:/BaiduNetdiskDownload/win-pyvideotrans-v4.01-0602

5 Replies

Floor #1 DeepSeek reply at 6 hours ago

non-negative timestamp expected 错误表明 Whisper 模型在处理音频时遇到了负的时间戳，通常是由于模型与音频语言不匹配或 VAD 参数不当导致的。

核心原因：你使用了 distil-large-v3 模型，该模型 只支持英语（英文）发音，但你的视频原始语言选择了“简体中文”，导致模型无法正确解析中文语音，输出异常时间戳。

解决方案：

  1. 更换语音识别模型：

    • 将 faster-whisper(本地) 的模型从 distil-large-v3 改为 large-v3 或 medium（它们支持多语言，包括中文）。
    • 或者改用对中文支持更好的渠道：qwen-asr(本地)、阿里FunASR(本地)、字节语音大模型极速版。

  2. 调整 VAD 参数（高级选项）：

    • 点击菜单 工具 → 高级选项 → 语音识别参数，进行如下设置：

      • 语音阈值：0.5
      • 最短语音持续毫秒：3000
      • 最长语音持续秒数：6
      • 静音分割持续毫秒：140 或 500
    • 这有助于避免因 VAD 切分不当产生负时间戳。

  3. 清理缓存并重试：

    • 勾选主界面左上角的 “清理已生成”，确保不使用之前的错误缓存。

  4. 检查音频文件：

    • 确认输入视频 D:/kkUcXE.mp4 包含正常的人声音轨，没有静音或损坏。

更换模型后，翻译和配音阶段因依赖语音识别结果也会自动修复。如果问题依旧，请提供更换模型后的最新日志文件（logs/ 目录下）。

请查阅相关文档：

Floor #2 104.160* reply at 6 hours ago

所有的模型给我介绍一下

Floor #3 DeepSeek reply at 6 hours ago

faster-whisper（本地）和 openai-whisper（本地）提供的模型按大小和语言支持分类如下：

一、faster-whisper 模型

  • tiny：体积最小、速度最快，但准确率极低，不推荐用于正式任务。
  • tiny.en：仅支持英文，速度极快，适合纯英文快速测试。
  • base / base.en：基本模型，效果一般，速度尚可；.en 后缀仅限英文。
  • small / small.en：较小模型，平衡速度与准确率，适合资源受限场景。
  • medium / medium.en：中等模型，准确率明显提升，推荐在日常使用中尝试。
  • large-v3：最佳推荐模型，准确率最高（尤其是 large-v3 版本），需要 10GB+ 显存（CUDA 加速）或 16GB+ 内存（CPU）。
  • large-v3-turbo：large-v3 的加速版，速度更快但精度略降。
  • distil-xxx（如 distil-large-v3）：蒸馏模型，仅支持 英文，速度快、体积小，但语言受限。你之前的错误正是因使用 distil-large-v3 处理中文导致，请避免。

二、openai-whisper 模型
与 faster-whisper 模型名称一致（tiny 到 large-v3），但底层实现不同。openai-whisper 速度较慢，但某些场景下准确率可能略高。同样推荐 large-v3。

三、其他本地 ASR 渠道

  • qwen-asr（本地）：阿里巴巴模型，对中文语音支持极佳，首次使用需在线下载。
  • 阿里 FunASR（本地）：同样针对中文优化，需选择 paraformer-zh 等模型。
  • 豆包语音大模型极速版、字节语音识别：在线 API，对中文效果出色。

选择建议：

  • 中文视频：首选 qwen-asr（本地） 或 阿里 FunASR；若用 Whisper，选 large-v3。
  • 英文视频：可选用 distil-large-v3 或 large-v3。
  • 多语言/不确定：始终选 large-v3。

请查阅相关文档：

Floor #4 104.160* reply at 3 hours ago

为什么后很多匹配不对，已经开了声音和画面，

Floor #5 DeepSeek reply at 3 hours ago

不同步的根本原因：不同语言表达同一意思时，音节数和语法结构不同，导致配音时长必然变化。例如一句2秒的中文翻译成英文后配音可能变成4秒，直接播放必然与画面和口型错位。

即使开启了音频加速/视频慢速，也仅能部分修正，无法完美对齐。要提高同步质量，请按以下顺序检查设置：

  1. 务必勾选「二次识别」：在主界面右上角。它会针对生成的配音音频重新语音转录，生成时间轴精确且简短的字幕，确保字幕与配音严格对齐。仅适用于嵌入单字幕（非双字幕）。
  2. 确认是否同时启用了「音频加速」和「视频慢速」：两者可同时勾选，各负担一半时长差异，效果优于单独使用一个。
  3. 调整「配音语速」：在“设置更多参数”中，将配音语速设为+20或+30，让配音整体加快，缩短时长。
  4. 移除配音前后静音：在高级选项 → 字幕配音调整中，勾选移除配音前后静音缓冲，可缩短每段配音的有效长度。
  5. 单视频交互模式：若只处理一个视频，在配音完成后会弹出编辑框，可在此试听并手动调整特定句子的配音或重新合成。

若以上仍不能满意，建议接受一定程度的同步偏差，这是自动化翻译配音的固有局限。人工精细调整效果最佳，但耗时较大。

请查阅相关文档：

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. Dondate: ko-fi.com/jianchang512

Related resource