#6892 如果是英语和捷克语.需要精准的视频转字幕~ 应该用什么模型呢 显卡是2060S

英语和捷克语均属于常见语种，建议使用 faster-whisper(内置) 的 large-v3-turbo 模型，并开启 CUDA 加速。该模型对多语言（含捷克语）识别精度高，显存需求约 6GB，你的 RTX 2060S（8GB 显存）可以胜任。

如需最高精度，可尝试 large-v3，但显存需求约 8GB，可能接近满负荷，若遇报错可降回 large-v3-turbo。

操作步骤：

1. 主界面语音识别渠道选择 faster-whisper(内置)
2. 模型选择 large-v3-turbo
3. 发音语言若不确定可不选自动检测（仅在“语音转录”面板可用自动检测），视频翻译功能中请明确选择英语或捷克语
4. 确保已配置 CUDA 12.8 和 cuDNN 9.x，并勾选 CUDA 加速

请查阅相关文档：

• faster-whisper本地
• 手动下载模型

这里面这么多模型 语音识别里面的模型 可以介绍一下用法吗

视频翻译中语音识别渠道的选择，核心依据是视频中的语言、精度需求、显存和是否联网。下面按类别说明各模型用法：

一、本地离线识别（免费，首次使用需下载模型，支持 N 卡 GPU 加速）

使用方法：

1. 主界面“语音识别”行选择渠道（如 faster-whisper）和模型。
2. 发音语言必须明确选择（如英语选 en，捷克语可查代码，若不确定，可先在左侧“语音转录”面板用“自动检测”试转一次，看识别出的语言代码是什么）。
3. 若模型下载失败，可手动下载后放入 软件目录/models 文件夹，具体见文末文档。

二、在线识别（需联网，需自备 API Key，部分免费/收费）

用法：在“语音识别”渠道下拉中选择对应项，然后在“菜单-翻译设置”中填入 API Key 即可。需注意网络代理和频率限制。

三、高级自定义（本地 API 部署）

针对你的英语+捷克语视频

推荐直接用 faster-whisper(内置) + large-v3-turbo + CUDA 加速：

• RTX 2060S 显存 8GB，运行 large-v3-turbo（约6GB显存）没问题，速度与精度均衡。
• 如果遇到显存不足，退回 medium 或关闭 CUDA 启用 CPU（速度会慢很多）。
• 主界面记得勾选 CUDA加速，并在高级选项-语音识别参数中将“计算数据类型”设为 float16（GPU 最合适）。

请查阅相关文档：

• faster-whisper本地
• 手动下载模型
• 语音识别渠道说明

kotoba-whisper-v2.0 为什么只有这个版本 我记得已经更新到了2.1 2.2版本~为什么没有呢

软件当前版本（v4.11）内置的 Huggingface_ASR 渠道模型列表中只收录了 kotoba-tech/kotoba-whisper-v2.0，并未加入 v2.1/v2.2。这通常是因为内置列表仅包含经过官方测试、验证稳定的版本，并非所有 Huggingface 上的模型都会被自动收录。

若你确认需要 v2.1/v2.2 版本，可尝试另法：

1. 到 Huggingface 手动下载对应模型文件，放到软件目录下 models/models--kotoba-tech--kotoba-whisper-v2.0 文件夹（或新建对应模型名目录）。但注意：软件未对该版本做适配，大概率无法识别或使用，只能等官方后续版本更新收录。
2. 直接改用其他日语识别渠道，效果同样优秀且稳定，如 parakeet日语(内置) 或 openai-whisper(内置) + large-v3。

建议先用当前内置的 kotoba-whisper-v2.0 测试，若精度不达标再更换渠道。

请查阅相关文档：

• Huggingface_ASR渠道
• 手动下载模型

parakeet日语(内置) 只能用CPU处理！

parakeet日语(内置) 渠道目前确实只支持纯 CPU 处理，软件没有为它提供 GPU（CUDA）加速路径。这是因为该模型并未针对 CUDA 做额外适配，属于纯 CPU 推理实现。如果你希望用 GPU 加速日语识别，建议改用：faster-whisper(内置) + large-v3-turbo 或 openai-whisper(内置) + large-v3。两者均支持 CUDA，且你的 RTX 2060S 8GB 显存可流畅运行 large-v3-turbo。操作时在主界面勾选“CUDA加速”，并在高级选项-语音识别参数中将“计算数据类型”设为 float16。若仍坚持使用 parakeet日语，则只能接受 CPU 模式，处理速度会明显偏慢。请查阅相关文档：Parakeet-tdt语音识别faster-whisper本地

什么时候添加呢

目前无法确定具体添加时间。软件是免费开源项目，所有功能更新由开发者根据项目规划和空闲时间决定，官方并未公布该渠道的 GPU 加速支持时间表。若你的日语视频急需 GPU 加速，请直接改用 faster-whisper(内置) 或 openai-whisper(内置) + large-v3-turbo，两者均已支持 CUDA，且效果稳定。可关注官方文档站更新日志或 GitHub Releases 页面，一旦有新版本会在此类渠道中标注。

请查阅相关文档：

• parakeet日语(内置) 说明
• faster-whisper本地

在语音转录内 降噪是用CPU处理的吗？ 我的CPU是10400F 每次都很慢 怎么办？

降噪和人声背景分离在软件中均为纯 CPU 计算，不提供 GPU 加速，因此你的 i5-10400F 处理较大视频时会明显较慢。可按以下方案优化：1. 调高线程数：进入菜单 → 工具/选项 → 高级选项 → 通用设置 → 将“人声背景分离线程数”调大（如设为 4~8），充分利用 CPU 多核。2. 若降噪非必须，取消勾选“降噪”，仅保留“分离人声背景声”或两者都不勾，直接让识别引擎处理，可显著加速。3. 若必须降噪，建议先用第三方 GPU 工具（如 UVR5）在 GPU 上分离好 vocal.wav 和 instrument.wav，再按“导入外部人声和背景声”的方法放入输出目录，软件会跳过内部 CPU 分离流程。具体步骤：将文件重命名为 vocal.wav 和 instrument.wav，放入 _video_out/视频名-格式/ 文件夹，并在主界面勾选“分离人声背景声”和“重新嵌入背景”，同时不要勾选“清理已生成”。请查阅相关文档：导入本地已有的人声和背景声

6核12线程、主频2.9GHz、最大睿频4.3GHz 应该具体怎么设置呢~

针对你的 i5-10400F（6核12线程），建议这样设置：1. 进入菜单 → 工具/选项 → 高级选项 → 通用设置。2. 将“人声背景分离线程数”设为 6（或 8）。设为 6 刚好匹配物理核心，线程数过高反而增加调度开销，设为 8 可略微提速但占用更多资源。3. 同时确保不要勾选其他不必要的并行任务：不要勾选“降噪”（若不需要），并检查“CPU同时任务数[重启生效]”建议设为 1，避免多任务争抢 CPU 资源导致更慢。4. 重启软件使修改生效。如果你使用中仍感觉慢，建议改用第三方 GPU 工具（如 UVR5）先分离好 vocal.wav 和 instrument.wav，再按知识库方法导入软件，可大幅缩短耗时。请查阅相关文档：导入本地已有的人声和背景声

设为8 会不会程序崩溃~ ？

通常不会直接导致程序崩溃。设为 8 会启用超线程，虽然能提高部分计算速度，但资源占用较高，可能引起系统卡顿或内存占用上升。在极端情况下若内存不足可能引发稳定性问题，但概率较低。更建议设为 6（匹配你 CPU 的物理核心数），效率与稳定性最平衡。若设为 8 后发现程序异常卡死或报错，可进入 软件目录/logs/ 查看最新日志文件排查。请查阅相关文档：高级选项

处理器 Intel(R) Core(TM) i5-10400F CPU @ 2.90GHz 2.90 GHz
机带 RAM 16.0 GB
存储 466 GB HDD MB0500GCEHE, 466 GB SSD WDS500G3X0C-00SJG0, 932 GB HDD WDC WD10EZEX-08WN4A0
显卡 NVIDIA GeForce RTX 2060 SUPER (8 GB)

系统类型 64 位操作系统, 基于 x64 的处理器
这是我的电脑配置，是应该选择6还是8

建议设为 6。你的 i5-10400F 物理核心数为 6，设为 6 恰好匹配物理核心，效率最高且最稳定。设为 8 虽启用超线程，但不会带来明显提速，反而会占用更多内存和调度资源；你的内存为 16GB，若同时处理较大视频或运行其他程序，可能造成内存压力，增加卡顿或报错风险。同时建议：高级选项 → 通用设置中，将“CPU同时任务数[重启生效]”设为 1，避免多任务争抢资源。设置完成后重启软件生效。请查阅相关文档：高级选项

降噪和不降噪差距有多大！

降噪对识别准确率的影响取决于原始音频的背景噪声程度，没有固定数值。如果视频环境嘈杂（如户外采访、现场录音、有风声/电流声/多人环境音），降噪可显著减少误识别和漏识别，差距可能很大；若视频本身人声清晰、背景安静，则差距很小，几乎可忽略。由于降噪是纯 CPU 计算，在 10400F 上会明显拖慢速度。建议根据实际音源决定：先试跑一个片段不降噪，若识别结果错误率高、漏字多，则开启降噪；若识别结果已准确，则关闭降噪以提速。请查阅相关文档：最佳配置推荐

在语音转录界面中，无法直接拖拽文件到这个界面 系统是WIN10 怎么办‘’、？

语音转录界面当前版本不支持拖拽文件导入，请直接点击界面中的 “选择音频或视频” 按钮来手动选择文件。若需批量处理，可勾选对应文件夹选项。如果你想尝试拖放，可先拖到主界面的“翻译视频”工作区试试，但语音转录面板本身不保证支持。若你确认软件此前支持拖拽而突然失效，请提供软件版本号（左上角显示）以及 软件目录/logs/ 下最新日志，以便进一步分析。

请查阅相关文档：

• 语音转录功能使用
• 常见问题FAQ

软件推荐配置配置级别 渠道 模型 说明
免费推荐 openai-whisper(内置) large-v3 通用效果好
免费推荐 parakeet日语(内置) 英伟达开源日语模型 效果好
免费备选 Huggingface_ASR japanese-wav2vec2-large 日语专用
收费推荐 OpenAI 语音识别 API — 效果优秀
但是我用的是faster-whisper内置加large-V3 仅日语视频提取字幕 应该用推荐还是按照我现在的来！ 哪个效果好，？为什么？

你的 RTX 2060S 8GB 下，两种方案均可行，但效果略有差异。建议优先保持你现在的 faster-whisper + large-v3，因为它在保持较高精度的同时，速度明显快于 openai-whisper。两者的核心区别在于：- faster-whisper 是 OpenAI Whisper 的 CTranslate2 优化版，速度提升 4 倍以上，但解码时以牺牲极少量精度换取速度。对于清晰的日语语音，识别准确率已足够高。- openai-whisper 是原始官方实现，解码更精细，理论上对日语这类小语种的错字率更低，但模型体积更大、速度更慢，且在 8GB 显存下可能较为吃力。实际差距通常很小，除非你的视频噪声大或口音重，否则 faster-whisper 已能满足要求。操作建议：1. 先用 faster-whisper + large-v3 跑一段日语视频，检查字幕质量。2. 若发现错字/漏字较多，再切换至 openai-whisper + large-v3 对比。3. 若追求速度与精度平衡，可使用 faster-whisper + large-v3-turbo（比 large-v3 更快，精度略低）。4. 若视频中无背景音且为纯日语，也可考虑 parakeet日语(内置)，该模型专为日语优化，效果很好，但仅支持 CPU，速度慢。请查阅相关文档：faster-whisper本地openai-whisper本地parakeet日语(内置)

parakeet日语 没有2.1 2.2版本

parakeet日语(内置) 渠道在软件中仅内置了一个固定模型，没有提供 2.1/2.2 等版本选择。这是官方收录时决定的，并非模型本身不存在，而是软件未适配多版本。你的 RTX 2060S 下，若希望使用日语识别效果更好或支持更高版本，可改用其他渠道：- faster-whisper(内置) + large-v3 或 large-v3-turbo（支持 CUDA，速度精度均衡）；- openai-whisper(内置) + large-v3（精度最高，但速度较慢）；- Huggingface_ASR(内置) 中的 reazon-research/japanese-wav2vec2-large-rs35kh（日语专用模型）。若你确实需要 parakeet 的更新版本，只能等官方后续版本收录，手动下载新版模型放入 models 目录也无法保证被软件识别，不建议尝试。请查阅相关文档：parakeet日语(内置)Huggingface_ASR渠道faster-whisper本地

V3和V3turbo 都会出现一定程度的漏句子~且修改阈值等 .效果平平，现在怎么办呢~

漏句子通常不是模型本身的问题，而是语音识别前段的音频分段或预处理参数设置不当导致的。建议按以下步骤排查和优化：

1. 调整语音识别参数（最有效）

进入 菜单 → 工具/选项 → 高级选项 → 语音识别参数，修改：

• 最长语音持续（秒）：设为 10，避免长句被强制截断后识别遗漏。
• 最短语音持续（毫秒）：设为 3000，过短的片段容易被过滤或合并，设为3000可保留更多完整句子。
• 静音分割持续毫秒：适当调小（如 300~500），避免在短暂停顿处将同一句话误切分成两段导致下半句被忽略。
• 语音阈值：适当下调（如 0.3~0.4），使引擎更容易识别轻音/清晰人声；但不要过低，否则噪声增多。
• Whisper预分割音频：勾选此项，让Whisper基于VAD预分割后再识别，常能改善漏句。

2. 启用降噪或分离人声背景声

如果你的视频有背景音乐或环境噪声，VAD会误判静音，导致丢句。在主界面 设置更多参数 中勾选 分离人声背景声 或 降噪。分离人声后识别效果会显著改善，但会耗时。

3. 更换为更适日语识别的渠道

faster-whisper large-v3对日语支持一般，large-v3-turbo精度更低。可尝试：

• openai-whisper(内置) + large-v3：官方原始模型，对日语识别准确度更高。
• Huggingface_ASR(内置) + kotoba-tech/kotoba-whisper-v2.0：专为日语优化的模型，效果出色。
• Huggingface_ASR(内置) + reazon-research/japanese-wav2vec2-large-rs35kh：日语专用，精度高。
• Dolphin(内置)：支持多种亚洲语言，日语亦可，纯CPU处理但速度可接受。

4. 尝试小模型或调整beam_size

有时大模型因显存不足自动降级，可将“计算数据类型”设为 int8，并将“识别准确度beam_size”设为 1 降低资源占用，避免崩溃丢句。

5. 结合“二次识别”

在视频翻译界面勾选“二次识别”，即使首次识别有漏，二次识别可对配音后的音频重新转录生成补充字幕，但请注意二次识别需使用支持日语的渠道。

请先执行第1步的参数调整，再考虑更换渠道。若仍有问题，请提供软件截图或日志，以便进一步分析。

请查阅相关文档：

• 高级选项-语音识别参数
• faster-whisper本地
• Huggingface_ASR渠道
• 最佳配置推荐

从你上传的图片中无法判断具体的问题，截图未附文字说明。请补充以下信息以便分析：1. 图片中显示的具体报错文字或界面异常现象；2. 软件版本号（左上角显示）；3. 操作系统（Win10/Win11等）与部署方式（预打包版或源码部署）；4. 相关日志：打开 软件目录/logs/ 文件夹，复制最新日志文件底部约30行内容。请直接粘贴文字或描述问题现象，便于精确排查。

根据图中目前的设置 漏句子 应该怎么设置更好呢

从你目前截图中的设置来看，漏句通常由“静音分割”过严或“最短语音持续”过大导致。请按以下数值调整，再试一次：

进入 菜单 → 工具/选项 → 高级选项 → 语音识别参数，修改为：

• 最长语音持续（秒）：10
• 最短语音持续（毫秒）：3000
• 静音分割持续毫秒：300
• 语音阈值：0.3
• 非语音阈值：0.6
• 取消勾选“Whisper预分割音频”后重新尝试（预分割可能把一个长句切碎丢弃尾部）
• 取消勾选“删除字幕末尾标点”

同时主界面“设置更多参数”中：

• 勾选“分离人声背景声”（若视频有背景音）
• 不要勾选“降噪”（因为降噪是CPU处理慢且可能吞掉轻音）

若调整后仍漏句，建议将识别渠道改为 openai-whisper(内置) + large-v3（对日语更友好），或 Huggingface_ASR(内置) + kotoba-tech/kotoba-whisper-v2.0（日语专用）。你的 RTX 2060S 用 openai-whisper large-v3 也足够。请先按上述数值修改参数，再换渠道对比。请查阅相关文档：高级选项-语音识别参数openai-whisper本地

分离人声背景声在哪里设置

分离人声背景声只在翻译视频主界面提供，不在“语音转录”面板中。具体位置：打开软件进入默认的“翻译视频”工作区，在“开始执行”按钮上方找到并点击 “设置更多参数..”，展开后即可勾选 “分离人声背景声”。若你现在正处于左侧的“语音转录”界面，该面板中没有此选项，需切换到“翻译视频”功能使用。如需在翻译视频时使用分离，勾选后建议同时勾选“重新嵌入背景声”以保留原背景音。若只是想转录字幕而不做视频翻译，可先借助第三方工具（如 UVR5）分离好人声/伴奏，再按“导入外部人声和背景声”的方式放入对应输出目录，软件会自动读取，跳过内部 CPU 分离流程。请查阅相关文档：导入本地已有的人声和背景声

当前版本: v4.11 没有找到更多参数和分离人生背景设置~

“设置更多参数”按钮位于软件默认的“翻译视频”主界面上，位于“开始执行”按钮的上方。如果你当前处于左侧的“语音转录”面板，则不会出现该按钮，请切换到“翻译视频”功能。如果你已在翻译视频界面仍看不到，请按以下步骤开启：1. 点击顶部菜单“菜单 → 工具/选项 → 高级选项”。2. 在“通用设置”中找到“主界面显示所有参数?”，勾选它。3. 保存设置，回到主界面，此时“设置更多参数”按钮和所有高级选项会直接显示出来。同时，“分离人声背景声”就在“设置更多参数”展开后的列表中，与“降噪”、“重新嵌入背景声”等处于同一区域。请重新查看界面，确保你是在“翻译视频”工作区而不是“语音转录”面板。请查阅相关文档：高级选项使用入门

从你上传的截图看，你当前确实在“翻译视频”主界面，但“设置更多参数”按钮可能被隐藏了。请按以下步骤操作：1. 点击顶部菜单“菜单 → 工具/选项 → 高级选项”。2. 在“通用设置”中找到“主界面显示所有参数?”并勾选它。3. 点击保存，返回主界面。此时“开始执行”按钮上方会出现“设置更多参数”按钮，点击展开后即可看到“分离人声背景声”选项。若勾选后仍未出现，请确认软件版本号为 v4.11（左上角显示），若版本不符请先升级到最新版本。请查阅相关文档：高级选项

勾选设置后 就可以继续语音转录了吗？

勾选“主界面显示所有参数?”只是为了在“翻译视频”主界面显示更多高级参数，与左侧“语音转录”功能无关。语音转录仍然可以在左侧面板正常使用，不受影响。如果你是想在“语音转录”时使用“分离人声背景声”，该功能仅在“翻译视频”主界面中提供，语音转录面板不包含此选项。可切换到“翻译视频”功能使用，或先用第三方工具分离好 vocal.wav 和 instrument.wav 再导入。保存设置后一般无需重启即可看到变化，若界面无变化，请重启软件后再试。请查阅相关文档：高级选项导入本地已有的人声和背景声

openai-whisper(内置)-large-v3 和 faster-whisper(内置) + large-v3 哪个效果好呢~？

openai-whisper(内置) + large-v3 的准确率更高，尤其对日语等小语种，漏字、错字率低于 faster-whisper。原因在于 openai-whisper 是 OpenAI 官方原始解码实现，推理更精细；而 faster-whisper 是基于 CTranslate2 的优化版，以牺牲少量精度换取 4 倍以上速度，当音频有噪声或口音时更容易出现漏句。你的 RTX 2060S 显存 8GB，运行 openai-whisper large-v3 可以支持，但速度会明显慢于 faster-whisper。建议操作：1. 先用 openai-whisper + large-v3 跑一段日语视频，对比漏句情况；2. 若速度可接受且漏句减少，则固定使用该组合；3. 若显存不足报错，可将“计算数据类型”设为 float16 或 int8，关闭“启用上下文感知”；4. 若仍不满意，可尝试 Huggingface_ASR(内置) 中的 kotoba-whisper-v2.0（日语专用）或 reazon-research/japanese-wav2vec2-large-rs35kh，效果同样出色。请查阅相关文档：openai-whisper本地faster-whisper本地Huggingface_ASR渠道

识别说话人 以及说话人数量选择 还有插入说话人 需要勾选吗~

不需要勾选。“识别说话人”和“说话人数量”仅用于需要区分不同说话人（如多人对话、多角色字幕）的场景，会显著增加处理耗时，并对识别结果进行角色划分。如果你只是为日语视频提取普通字幕，建议保持不勾选，这样速度快且不会因说话人识别影响字幕质量。若将来确实需要区分人物，再勾选“识别说话人”并在“最大说话人数量”中填写预计人数，插入说话人会自动在字幕行前加角色标签。请查阅相关文档：语音识别渠道说明

openai-whisper + large-v3 用我电脑 出现错误了

暂无法确定具体原因。请提供以下信息以便分析：1. 报错的具体文字或截图；2. 软件版本号（左上角显示）；3. 操作系统（Win10/Win11）与部署方式（预打包版或源码部署）；4. 软件安装目录下 logs/ 文件夹中最新的日志文件内容（复制底部约30行报错信息）。同时，请确认：你的 RTX 2060S 显存为 8GB，运行 large-v3 模型时若设置不当可能触发显存不足。可先尝试在高级选项 → 语音识别参数中将“计算数据类型”设为 float16 或 int8，关闭“启用上下文感知”，将 beam_size 设为 1，再重试。若报错仍存在，请补充上述日志以便精确排查。请查阅相关文档：openai-whisper本地高级选项-语音识别参数

1
00:00:14,180 --> 00:00:23,820
D-L-L-L-L-L-L-L
-L-L-L-L-L-L-L-
L-L-L-L-L-L-L-L
-L-L-L-L-L-L-L-
L-L-L-L-L-L-L-L
-L-L-L-L-L-L-L-
L-L-L-L-L-L-L-L
-L-L-L-L-L-L-L-
L-L-L-L-L-L-L-L
-L-L-L-L-L-L-L

2
00:00:23,820 --> 00:00:30,120
-L-L-L-L-L-L-L-
L-L-L-L-L-L-L-L
-L-L-L-L-L-L-L-
L-L-L-L-L-L-L-L
-L-L-L-L-L-L-L me

3
00:00:34,260 --> 00:00:41,280
me me me me me me

4
00:00:44,760 --> 00:00:55,640
me me me me me me

5
00:01:08,460 --> 00:01:20,420
A-A-A-A-A-A-A-A
-A-A-A-A-A-A-A-
A-A-A-A-A-A-A-A
-A-A-A-A-A-A-A-
A-A-A-A-A-A-A-A
-A-A-A-A-A-A-A-
A-A-A-A-A-A-A-A
-A-A-A-A-A-A-A-
A-A-A-A-A-A-A-A
-A-A-A-A-A-A-A-
A-A-A-A-A-A-A-A
-A-A-A-A-A -A-A
-A-A-A-A-A-A-A-
A-A-A-A-A-A-A-A
-A-A-A-A-A-A-A

6
00:01:20,420 --> 00:01:23,600
You're just a
shadow moving
through the light

7
00:01:23,600 --> 00:01:26,920
怖くのひとみ夜を隠して

8
00:01:27,619 --> 00:01:31,760
Waiting for the
stars to a wine
of my mind

9
00:01:31,760 --> 00:01
......
は、 そんな、

582
02:13:23,740 --> 02:13:27,560
せいしなみにの、 お前は、

583
02:13:31,860 --> 02:13:40,380
お前は、 あなたが行くと、私は…

584
02:13:43,580 --> 02:13:53,600
私は… 私は… やつ? はい あ!

585
02:13:55,360 --> 02:14:05,080
あ! あ! あ! あ! あ!
こっちの人だろ!

586
02:14:06,540 --> 02:14:11,780
あ! あ! 何だなったよ? あ!

587
02:14:14,160 --> 02:14:17,260
あ! あ! あ!

588
02:14:17,400 --> 02:14:28,900
あ! あ ーー

589
02:14:28,900 --> 02:14:34,320
ー んー んー

590
02:14:37,080 --> 02:14:47,440
あーーー あーーー あーーー
あーーー あーーー あーーー
あーーー あーーー あーーー
あーーー あーーー あーーー あーーー

591
02:14:47,440 --> 02:14:53,600
あーーー あ、やばい やばい
やばい ちょっと見ててね

592
02:14:55,020 --> 02:15:02,180
あ、やばい あ、やばい あ、やばい

593
02:15:02,180 --> 02:15:15,080
あ、やばい あ、やばい あ、や
ばい ちょっと見ててね あ、やばい

594
02:15:22,200 --> 02:15:33,060
あ、出ちゃった あ、

595
02:15:44,420 --> 02:15:49,580
出ちゃった やりまくって

596
02:16:04,080 --> 02:16:13,020
それからほどなくして 心ちゃん
は保健院者をやめ うちにもこなくなった

597
02:16:14,480 --> 02:16:18,020
結婚して子供期対してだったらしい

598
02:16:20,059 --> 02:16:25,020
サブスクケー役はそのままのはずなのに

599
02:16:51,300 --> 02:17:03,820
【Bokan】 不管說出口的患
者、AI幫你實現、自己上、自己
最想要的旅遊、全自動患連、身體
調整、與因資試設計、

600
02:17:03,820 --> 02:17:15,820
你想要的它全都能座的 輸入提示
詞、他馬上位置演一場情慾系
畫面聲音動作任你定制 還能下載
保存、回衛無線

601
02:17:15,820 --> 02:17:21,260
直到一張圖片 他就能動起來
AI自動聲桶、專書影片

602
02:17:21,260 --> 02:17:32,980
從病革到流動、每一兩度位置演出
運動望聚情、不用解釋 他全都動
現在早馬註冊就送免 FAT、数
量有限、先導先判

603
02:17:33,820 --> 02:17:38,320
【2. 2. 2. 2. 2.

2. 2. 2. 2. 2.
3. 2. 2. 2. 2.
4. 2. 2. 2. 2.
5. 2. 2. 2. 2.
6. 2. 2. 2. 2.
7. 2. 2. 2. 2.
8. 2. 2. 2. 2.
9. 2. 2. 2. 2.
10. 2. 2. 2. 2.
11. 2. 2. 2. 2.2.

604
02:17:39,379 --> 02:17:44,240

2. 2. 2. 2. 2.
3. 2. 2. 2. 2.
4. 2. 2. 2. 2.
5. 2. 2. 2. 2.
6. 2. 2. 2. 2.
7. 2. 2. 2. 2.
8. 2. 2. 2. 2.
9. 2. 2. 2. 2.
10. 2. 2. 2. 2.
11. 2. 2. 2. 2.
12. 2. 2. 2.

605
02:17:45,660 --> 02:17:52,620

2. 一想不倒的黑馬超越各大設
   斜網站直冲第一 趕快掃又上方二
   圍馬或輸入王子快進來看熱搜平台票選排名

这是 Whisper 在含有背景音乐、环境噪声或视频自带广告音时极易出现的“幻觉重复”现象（如无意义的 D-L-L-L、me me me、あーーー 等），并非软件故障。请按以下步骤优化：

1. 关闭“启用上下文感知”
   进入 菜单 → 工具/选项 → 高级选项 → 语音识别参数，取消勾选“启用上下文感知”。该功能会占用更多 GPU 并增加重复/幻觉概率。

2. 调整解码参数，降低随机性
   在同一页面设置：

   • 重复惩罚：增大到 1.2 或 1.3
   • 文本压缩率：设为 1.0 或更低
   • 采样温度：设为 0
   • 识别准确度 beam_size 和 best_of：均设为 1（降低资源占用，减少幻觉）
3. 开启“分离人声背景声”
   在翻译视频主界面，点击“设置更多参数”，勾选“分离人声背景声”。若背景音乐较明显，这一步能大幅减少误识别。同时可勾选“重新嵌入背景声”保留原背景音。
4. 开启“降噪”（可选）
   若分离后仍受噪声影响，可再勾选“降噪”，但注意纯 CPU 处理较慢。
5. 更换为 faster-whisper(内置) + large-v3
   faster-whisper 对这类混合音频的稳定性略优于 openai-whisper，且速度更快。若修改参数后仍大量重复，建议切换回 faster-whisper + large-v3 或 large-v3-turbo 重试。
6. 处理视频自带广告
   从字幕中可见，视频中段嵌入了一段中文广告语音（“【Bokan】 不管說出口的患者...”）。若广告语音与背景音乐混合，Whisper 会尝试识别并产生大量重复。建议先用 ffmpeg 或视频剪辑工具将广告片段静音，或裁剪掉该段，再重新识别。

请先执行第 1~3 步并重试。若仍有大量重复，请提供软件版本号、操作系统及日志文件（软件目录 /logs/ 最新日志）以便进一步分析。

请查阅相关文档：

• 高级选项-语音识别参数
• faster-whisper本地
• openai-whisper本地

设置好了之后 重启软件 显示V3模型不存在 自动下载

这是模型文件缺失或下载不完整导致的。你之前切换到了 openai-whisper + large-v3，重启后软件检测到 models 文件夹内没有完整的 large-v3 模型文件，于是触发自动下载，但自动下载常因网络问题失败。请按以下步骤处理：1. 关闭软件。2. 打开软件目录下的 models 文件夹。3. 找到与 large-v3 相关的文件（若你用的是 openai-whisper，文件名是 large-v3.pt；若用的是 faster-whisper，则是一个名为 models--Systran--faster-whisper-large-v3 的文件夹）。4. 将它们全部删除。5. 重新启动软件，观察是否能自动下载成功；若仍失败，请手动下载模型文件放入正确位置：openai-whisper：下载 https://openaipublic.azureedge.net/main/whisper/models/e5b1a55b89c1367dacf97e3e19bfd829a01529dbfdeefa8caeb59b3f1b81dadb/large-v3.pt 放入 软件目录/models 文件夹。faster-whisper：访问 https://huggingface.co/Systran/faster-whisper-large-v3 下载所有文件，放入 软件目录/models/models--Systran--faster-whisper-large-v3 文件夹。6. 确认网络正常，若使用代理，请在软件主界面对齐控制行右侧的代理框填写正确的代理地址（如 http://127.0.0.1:10808）。若下载后仍提示不存在，请提供软件版本号、部署方式及日志（软件目录/logs/最新日志）以便进一步分析。请查阅相关文档：openai-whisper本地手动下载模型

刚才好像没模型 。。是不是这个原因导致字幕错误

模型文件缺失或下载不完整确实会导致语音识别结果异常，甚至出现大量重复、错字、乱码。因为你之前切换到了 openai-whisper + large-v3，重启后软件检测到模型未完整存在，自动下载又可能因网络问题失败，此时识别引擎无法正常加载模型，就会输出错误内容。

请先按上一步方法确认模型已完整放入正确位置，并重启软件，确保模型加载成功。只要模型完整，你之前的 D-L-L、me me 等重复现象就会大幅减少；如果模型完整后仍出现上述幻觉，才需要调整解码参数或开启分离人声背景声。

请先确保模型完整，再重新执行识别，观察结果是否恢复正常。若仍有问题，请提供 软件目录/logs/ 下最新日志和报错截图，以便进一步排查。

那我刚才修改的重复惩罚：增大到 1.2 或 1.3
文本压缩率：设为 1.0 或更低
采样温度：设为 0

怎么设置才能加速 我内存占用只有百分之50左右

怎么设置才能加速 我内存占用只有百分之50左右

爆显存了？