#5575 使用omniVoice本地配音，视频经常出现某一句话没声音，或者断音等情况，或者第一个字没读 第二个字才可以读，这是什么情况呢？音色我能确定没问题的，我在别的软件用完全没问题。

这种情况通常是由于 omniVoice 的参考音频截取时长不符合要求 或 字幕时间轴过短/不连续 导致的。omniVoice 要求每句参考音频（从原视频截取的对齐片段）时长在 3-10 秒 之间，且必须包含完整的发音开头。当某条字幕时长低于 3 秒时，截取到的片段可能只有尾声或无声音（开头缺失），从而产生静音或断音。

请按以下步骤排查和解决：

1. 强制控制字幕时长在 3-10 秒

   • 打开 菜单 → 工具 → 高级选项 → 语音识别参数
   • 将 最长语音持续(秒) 设为 6（或 10）
   • 将 最短语音持续(毫秒) 设为 3000（即 3 秒）
   • 勾选 合并过短字幕到邻近 和 合并过短字幕

2. 禁用 LLM 重新断句

   • 在主界面 ASR Channel 下拉框附近，确保 不勾选 LLM 重新断句（保持默认断句）。LLM 断句会重划分时间轴，导致参考音频错位。

3. 降低配音并发数（防服务崩溃）

   • 进入 高级选项 → 字幕配音调整
   • 将 并发配音线程数 设为 1（omniVoice 本地服务对并发敏感，单线程最稳定）

4. 开启人声背景分离（提升参考音频纯净度）

   • 在主界面点击 设置更多参数，勾选 分离人声背景声
   • 如果不希望重嵌入背景，可取消勾选 嵌入背景

5. 确保参考音频文件存放在正确目录

   • 所有自定义参考音频（非 clone 模式）必须为 .wav 格式，时长 3-10 秒，放到 软件目录/f5-tts/ 下，并在 菜单 → TTS 设置 → 设置参考音频 中配置。

如果问题依旧：

• 请提供 logs/ 文件夹下对应日期的日志文件（复制最后 30 行报错部分），并说明 omniVoice 服务的版本号，以便进一步分析。

请查阅相关文档：

• 原音色克隆/多角色配音（含 omniVoice 配置）
• 高级选项参数详解

'E:/win-pyvideotrans-v4.03-0626/tmp/17384/e7010d6233/video_concat.txt', '-c', 'copy', 'E:/win-pyvideotrans-v4.03-0626/tmp/17384/e7010d6233/merged_video.mp4']
[DEBUG] 清理视频慢速中生成的视频片段，共删除了 13 个文件。
[DEBUG] [SpeedRate] 新视频生成完毕，总时长: 72633ms
[DEBUG] [Audio] 开始对齐拼接...
[DEBUG] [Audio-Sync] Line=1 | 当前音频时长:current_slot_audio_len=3960, 槽位时长:slot_duration=4900, 音频变短末尾需补静音 940ms | Timeline: 0 -> 4900
[DEBUG] [Audio-Sync] Line=2 | 当前音频时长:current_slot_audio_len=4120, 槽位时长:slot_duration=5333, 音频变短末尾需补静音 1213ms | Timeline: 4900 -> 10233
[DEBUG] [Audio-Sync] Line=3 | 当前音频时长:current_slot_audio_len=3640, 槽位时长:slot_duration=5066, 音频变短末尾需补静音 1426ms | Timeline: 10233 -> 15299
[DEBUG] [Audio-Sync] Line=4 | 当前音频时长:current_slot_audio_len=3320, 槽位时长:slot_duration=4766, 音频变短末尾需补静音 1446ms | Timeline: 15299 -> 20065
[DEBUG] [Audio-Sync] Line=5 | 当前音频时长:current_slot_audio_len=2520, 槽位时长:slot_duration=5866, 音频变短末尾需补静音 3346ms | Timeline: 20065 -> 25931
[DEBUG] [Audio-Sync] Line=6 | 当前音频时长:current_slot_audio_len=4840, 槽位时长:slot_duration=5500, 音频变短末尾需补静音 660ms | Timeline: 25931 -> 31431
[DEBUG] [Audio-Sync] Line=7 | 当前音频时长:current_slot_audio_len=3800, 槽位时长:slot_duration=5433, 音频变短末尾需补静音 1633ms | Timeline: 31431 -> 36864
[DEBUG] [Audio-Sync] Line=8 | 当前音频时长:current_slot_audio_len=4200, 槽位时长:slot_duration=5033, 音频变短末尾需补静音 833ms | Timeline: 36864 -> 41897
[DEBUG] [Audio-Sync] Line=9 | 当前音频时长:current_slot_audio_len=3760, 槽位时长:slot_duration=5566, 音频变短末尾需补静音 1806ms | Timeline: 41897 -> 47463
[DEBUG] [Audio-Sync] Line=10 | 当前音频时长:current_slot_audio_len=5120, 槽位时长:slot_duration=7600, 音频变短末尾需补静音 2480ms | Timeline: 47463 -> 55063
[DEBUG] [Audio-Sync] Line=11 | 当前音频时长:current_slot_audio_len=3880, 槽位时长:slot_duration=5233, 音频变短末尾需补静音 1353ms | Timeline: 55063 -> 60296
[DEBUG] [Audio-Sync] Line=12 | 当前音频时长:current_slot_audio_len=4640, 槽位时长:slot_duration=5833, 音频变短末尾需补静音 1193ms | Timeline: 60296 -> 66129
[DEBUG] [Audio-Sync] Line=13 | 当前音频时长:current_slot_audio_len=5200, 槽位时长:slot_duration=6500, 音频变短末尾需补静音 1300ms | Timeline: 66129 -> 72629
[DEBUG] [Audio-Concat] 最终音频已生成: E:/win-pyvideotrans-v4.03-0626/tmp/17384/e7010d6233/target.wav

[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1782911010.339263.txt', '-i', 'novoice.mp4', '-i', 'will_embed.m4a', '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'copy', '-movflags', '+faststart', '-r', '30.0', '-fps_mode', 'cfr', '-shortest', 'laste_target.mp4']
[DEBUG] runffmpeg:cmd=['ffmpeg', '-hide_banner', '-nostdin', '-ignore_unknown', '-threads', '0', '-y', '-progress', 'compose1782911010.339263.txt', '-i', 'novoice.mp4', '-i', 'will_embed.m4a', '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'copy', '-movflags', '+faststart', '-r', '30.0', '-fps_mode', 'cfr', '-shortest', 'laste_target.mp4']

根据您的日志可以看到，每一句配音音频的时长都明显短于预期的槽位时长，导致软件在每句末尾填充了大量静音（例如 Line=5 补了 3346ms 静音），这是您听到断音、无声或第一个字丢失的根本原因——omniVoice 生成的音频片段过短（甚至可能只生成了空白或极短音节），而非软件对齐问题。

请按以下顺序排查：

1. 强制限制字幕时长在 3-10 秒（最关键）

当前日志中的字幕槽位在 4~7 秒之间，但截取参考音频时若原视频对应片段时长过短（<3s），omniVoice 会输出异常短音频。

• 进入 高级选项 → 语音识别参数
• 将 最短语音持续毫秒 设为 3000
• 将 最长语音持续秒 设为 6~10
• 勾选 合并过短字幕到邻近 和 合并过短字幕
• 必须关闭 LLM 重新断句（保持默认断句）

2. 降低配音并发，避免服务过载

omniVoice 本地服务对并发敏感，高并发可能导致部分请求丢失或返回不完整音频。

• 高级选项 → 字幕配音调整
• 并发配音线程数 设为 1
• 配音后暂停秒 设为 2~3

3. 启用“分离人声背景声”

确保参考音频纯净，避免背景噪声干扰克隆。

• 主界面点击 设置更多参数，勾选 分离人声背景声（可不勾选“嵌入背景”）

4. 检查 omniVoice 服务自身日志

打开 omniVoice 的控制台或日志，确认对每句请求是否返回了正确的音频长度。若服务端提示“参考音频时长不足”或“音频为空”，需优化原视频中的语音截取。

如果以上仍无效，请尝试切换至 Qwen-TTS（本地内置） 并选择 clone 角色，看是否也存在同样断音。若 Qwen-TTS 正常，则问题定位于 omniVoice 服务的模型或接口兼容性。

请提供 omniVoice 服务的版本号及其控制台最后 20 行日志，以便进一步分析。