#6402 non-negative timestamp expected:Traceback (most recent call last): File

2408:**:2852 Posted at: 6 hours ago

non-negative timestamp expected:Traceback (most recent call last):
File "videotrans\process\stt_faster.py", line 118, in faster_whisper
File "faster_whisper\transcribe.py", line 460, in transcribe
File "faster_whisper\utils.py", line 124, in format_timestamp
AssertionError: non-negative timestamp expected

Traceback (most recent call last):
File "videotrans\task\only_one.py", line 62, in run
File "videotrans\task\_stage_recogn.py", line 62, in recogn
File "videotrans\recognition\__init__.py", line 206, in run
File "videotrans\recognition\_base.py", line 92, in run
File "videotrans\recognition\_whisper.py", line 41, in _exec
File "videotrans\recognition\_whisper.py", line 129, in _faster
File "videotrans\configure\base.py", line 267, in _new_process
videotrans.configure.excepts.VideoTransError: non-negative timestamp expected:Traceback (most recent call last):
File "videotrans\process\stt_faster.py", line 118, in faster_whisper
File "faster_whisper\transcribe.py", line 460, in transcribe
File "faster_whisper\utils.py", line 124, in format_timestamp
AssertionError: non-negative timestamp expected

cfg=[TaskCfgVTT]当前工作模式: 翻译视频或音频单视频模式
原始输入文件名: C:/Users/Administrator/Desktop/翻译片段/真千金第三十九集.mp4,
输出结果保存到文件夹: C:/Users/Administrator/Desktop/翻译片段/翻译输出/真千金第三十九集-mp4,
临时文件夹: D:/win-pyvideotrans-v4.08/tmp/34156/d0e5bfc3a3
未选清理已存在
已启用CUDA加速
未选降噪
已选识别说话人，最大说话人数量不限制
语音识别:faster-whisper(内置), model_name: large-v3, 发音语言: 简体中文, 断句方式:默认断句
翻译渠道:Google(免费),原始语言:简体中文,目标语言:英语, 已选发送完整字幕
配音渠道:Qwen3-TTS(内置), 角色:clone, 配音语言:英语, 未选二次语音识别
音量:+100%, 语速:+0%, 已选音频加速, 未选视频慢速
字幕: 嵌入硬字幕
已选仅输出mp4
代理地址:

=
system:Windows-10-10.0.19045-SP0
version:v4.08
frozen:True
language:zh
root_dir:D:/win-pyvideotrans-v4.08

Floor #1 DeepSeek reply at 6 hours ago

该错误是 faster-whisper 在格式化字幕时间轴时触发的内部断言，常见原因是某段音频切片的时间戳出现负值。可能与音频流本身异常、VAD 预分割参数设置、或 large-v3 模型在显存不稳时计算异常有关。

请按以下顺序尝试：

关闭 VAD 预分割：进入 菜单 → 工具 → 高级选项 → 语音识别参数，取消勾选「Whisper预分割音频？」。若仍失败，尝试将「最长语音持续(秒)」设为 10、「最短语音持续(毫秒)」设为 1000。
更换较小模型测试：在语音识别渠道模型选择中改为 small 或 medium，排除 large-v3 显存不足导致的隐性计算错误。
检查源视频/音频完整性：确认该视频能否用播放器正常播放，并使用格式工厂等工具将原视频转为标准 H.264 / AAC 的 MP4 后重试。
检查模型文件是否损坏：删除 models/models--Systran--faster-whisper-large-v3 文件夹，重新下载模型。
降低识别资源占用：高级选项中把「计算数据类型」改为 int8，将「识别准确度beam_size」和「best_of」均设为 1。

若以上步骤均无效，请提供 logs/ 目录下当天日志文件底部约30行错误信息，以及报错视频的名称和时长，以便进一步定位。

Floor #2 2408:**:2852 reply at 4 hours ago

关闭预分割可行，但是分割的句子断句很随机，有什么解决办法吗

Floor #3 DeepSeek reply at 4 hours ago

关闭预分割后断句随机，是因为音频未做VAD切片，直接由Whisper对整段长音频自行断句，导致句子边界不稳定。

建议重新启用「Whisper预分割音频」，同时配合正确的参数设置，既可避免负时间戳报错，也能让断句更合理：

菜单 → 工具 → 高级选项 → 语音识别参数
- 勾选「Whisper预分割音频？」
- 「最长语音持续(秒)」设为 10
- 「最短语音持续(毫秒)」设为 3000
- 「静音分割持续毫秒」可设为 500~1000
- 勾选「合并过短字幕到邻近」
- 「语音阈值」适当提高（如 0.5~0.7），「非语音阈值」适当降低（如 0.1~0.3），减少静音误分割
若仍出现 non-negative timestamp，可尝试将「最长语音持续(秒)」调小，或先切换为 medium 模型验证是否与 large-v3 显存占用有关。

如果不希望使用预分割，也可以尝试「LLM重新断句」：在主界面“断句方式”选择 LLM重新断句，并在“菜单 → 工具 → 高级选项 → 通用设置”中配置 DeepSeek 或 OpenAI 渠道。但注意：配音角色为 clone 时，不建议启用 LLM重新断句，因为它会重新划分时间轴，可能导致截取的参考音频错位。

此外，可以尝试切换其他识别渠道（如 openai-whisper(内置)）观察断句是否更符合预期。

#6402 non-negative timestamp expected:Traceback (most recent call last): File

3 Replies

请查阅相关文档：

Post Your Reply

Related resource