#5117 我不想二次LLM断句，关于语音识别，有没有推荐的参数

推荐参数（关闭 LLM 重新断句）

在 菜单 → 工具 → 高级选项 → 语音识别参数 中进行以下调整，可显著改善断句效果且不启用二次LLM处理：

如果使用 clone 语音克隆音色，建议改为：

• 最短持续时间：3000
• 最长语音持续时间：6~10
• 关闭“LLM重新断句”

识别渠道建议：

• 中文：优先选择 Qwen-ASR(本地)、字节语音大模型极速版 或 阿里FunASR+paraformer-zh
• 英文/其他：faster-whisper(本地) + large-v3 或 openai-whisper + large-v3

额外提升：

• 若视频背景嘈杂，在主界面勾选 降噪 或 分离人声背景声。
• 每次只翻译一个视频（单视频模式）会在识别后弹出编辑框，可手动校验断句。

请查阅相关文档：

• 优化语音识别精度和断句效果
• 调节VAD更精确控制语音识别结果
• 对转录识别结果重新断句

怎么每次的结果不一样啊，我记得上次说是高级选项： 最长语音持续描述 7秒 最短语音持续描述 2600 静音分割300 开启合并

语音识别参数没有“唯一正确”的数值，不同视频类型、不同语言、是否启用语音克隆，最佳参数会不同。你提到的“最长7秒/最短2600ms/静音分割300/开启合并”也是合理的配置，适合大部分场景。

若你追求稳定且效果均衡，以下为知识库FAQ 6推荐的通用参数（不启用LLM重新断句）：

如果使用语音克隆（clone角色），建议改为：

参数差异的原因：

• 克隆时需要足够长的参考音频（3秒以上）才能稳定提取音色，短于3秒的片段容易报错或产生杂音。
• 静音分割值越小，字幕越碎，克隆时参考片段越短可能失败；值越大，句子越长，但克隆参考更充分。

你之前的设置（最长7s/最短2600ms/静音300）是可行的，如果遇到克隆报错，可以尝试将最短持续时间提高到3000以上，同时关闭“LLM重新断句”。

请查阅相关文档：

• 优化语音识别精度和断句效果
• 调节VAD更精确控制语音识别结果
• 原音色克隆/多角色配音

开启二次LLM识别，效果提升多少

LLM 重新断句的效果提升高度依赖所使用的 AI 大模型本身的能力，并非一定优于默认断句。可能提升的地方：

• 修正语音识别中的错别字
• 重新切分过长的句子，让字幕更通顺
• 补充缺失标点，改善阅读体验

但也可能导致更差的结果：

• AI 可能随意合并/拆分字幕行，导致翻译后的字幕行号对应错乱
• 时间轴被重排后，若使用 clone 语音克隆，从原始视频截取参考音频会因时间错位而出错
• 大模型生成的内容不可控，有时会丢字或添加无关文字

建议：

1. 如果不使用 clone 音色，且视频为单语言长对话，可以开启 LLM 重新断句，配合 DeepSeek 或 ChatGPT 旗舰模型，通常能提升断句流畅度和正确率。
2. 如果使用 clone 音色，请务必关闭 LLM 重新断句，并手动设置较短的最短持续时间（3000ms以上）和较长的最长持续时间（6~10s），同时勾选“合并过短字幕”。
3. 最稳妥的方法是：每次只翻译一个视频，在语音识别结束后弹出的编辑窗口中手动调整断句和错别字。

效果提升幅度没有量化指标，建议在你自己的视频上分别测试开启与关闭两次，对比字幕质量后决定。