#6893 [DEBUG] 可以使用 huggingface.coReturning existing local_dir D:\AI\VideoMaker\win-pyvideotrans-v4.11\models\models--tencent--

从日志来看，这是 Hy-MT2-1.8B 本地翻译模型 加载过程中的两条消息：

1. Returning existing local_dir ... as remote repo cannot be accessed
   说明 huggingface 远程仓库无法访问，软件自动复用了本地已存在的模型目录。
   这是正常的缓存复用行为，不会导致错误。
2. Unrecognized keys in rope_parameters
   这是 transformers 版本对模型配置中部分参数的警告。
   通常不影响模型运行，可以忽略。

如果任务最终能够正常完成，只是日志中出现这两行，则无需处理。

如果任务失败或翻译无结果，请提供软件安装目录下 logs/ 文件夹中最新日志文件的底部约30行报错信息。

请查阅相关文档：

• Hy-MT2-1.8B 本地模型

spvideo在翻译环节依据什么参数来指定渠道是AI还是传统

软件在翻译环节区分“AI渠道”和“传统渠道”的依据，是翻译渠道在内部实现中预设的类型标识（通常位于渠道注册代码中），而不是用户手动选择的一个开关参数。

例如，在 菜单 -> 工具 -> 高级选项 -> 字幕翻译调整 中，可以看到“传统翻译渠道每批字幕行数”和“AI翻译渠道每批字幕行数”两个单独设置，它们分别作用于对应的渠道类型。

常见归类：DeepSeek、OpenAI、Gemini 等基于大模型的渠道属于AI；Google、百度、腾讯、DeepL等传统机器翻译接口属于传统渠道。具体某个渠道的类型，可在软件源码的 videotrans/translator/__init__.py 中查看其注册时的类型定义。

若你是在配置自定义翻译API时需要指定类型，请根据API是否兼容OpenAI格式选择对应通道（OpenAI兼容渠道默认归为AI），没有独立的“AI/传统”参数可填。如果你需要确认某个具体渠道的类型或遇到翻译异常，请提供软件安装目录下 logs/ 文件夹中最新的日志文件，以便进一步分析。

展示 videotrans/translator/__init__.py 内容

无法直接展示 videotrans/translator/__init__.py 的完整内容，因为它属于软件源码文件，并非知识库中提供的公开文档内容。如果你需要查看该文件，请通过源码部署方式获取，路径为：

<软件源码目录>/videotrans/translator/__init__.py

该文件的主要作用是注册所有翻译渠道，每个渠道以字典或列表形式定义，其中包含渠道名称、类型标识、支持的参数等信息。判断某渠道属于“AI”还是“传统”的关键，通常在于该渠道注册时是否带有类似 "is_ai": True 或 "model_type": "llm" 等字段。AI 渠道（如 DeepSeek、OpenAI、Gemini）会使用大模型逐条/分批翻译；传统渠道（如 Google、百度、腾讯）则使用机器翻译接口。

如果你需要确认某个具体渠道路由逻辑或修改自定义 API 类型，请按以下步骤操作：

1. 打开该 __init__.py 文件，搜索渠道名称（如 deepseek 或 google）。
2. 查看其注册项中是否包含 type 或 is_ai 字段，以确定归类。
3. 若你使用的是自定义 API，请确保填写到 OpenAI 兼容渠道 或 自定义翻译 API 中，软件会自动按 AI 渠道处理。

若你遇到翻译异常或行为与预期不符，请提供软件安装目录下 logs/ 文件夹中最新的日志文件底部约 30 行，以便进一步分析。

请查阅相关文档：

• 自定义翻译 API
• 兼容 AI/本地模型翻译

llama-server chat error: map[code:500 message:The model produced output that does not match the expected peg-native format type:server_error]
Traceback (most recent call last):
File "videotrans\task\only_one.py", line 89, in run
File "videotrans\task\_stage_translate.py", line 31, in trans
File "videotrans\translator\_runner.py", line 67, in run
File "videotrans\translator\_base.py", line 74, in run
File "tenacity\__init__.py", line 480, in call
File "videotrans\translator\_openaicompat.py", line 90, in _item_task
File "videotrans\translator\_openaicompat.py", line 51, in _create_completion
File "openai\_utils\_utils.py", line 298, in wrapper
File "openai\resources\chat\completions\completions.py", line 1215, in create
File "openai\_base_client.py", line 1332, in post
File "openai\_base_client.py", line 1105, in request
openai.InternalServerError: Error code: 500 - {'error': {'message': 'llama-server chat error: map[code:500 message:The model produced output that does not match the expected peg-native format type:server_error]', 'type': 'api_error', 'param': None, 'code': None}}

cfg=[TaskCfgVTT]当前工作模式: 翻译视频 单视频模式
原始输入文件名: F:/Media Maker/Source/Project/ETS2/项目素材/youtube/SCS Just Announced 9 New Coaches_Bus Features in ETS2_1080p60.mp4,
输出结果保存到文件夹: F:/Media Maker/Source/Project/ETS2/项目素材/youtube/_video_out/SCS Just Announced 9 New Coaches_Bus Features in ETS2_1080p60-mp4,
临时文件夹: D:/AI/VideoMaker/win-pyvideotrans-v4.11/tmp/21268/ae06374e6e
未选 清理已存在
已启用CUDA加速
已选 降噪
语音识别:faster-whisper(内置), large-v3, 发音语言: 英语, 断句方式:默认断句
翻译渠道:兼容AI/本地模型,原始语言:英语,目标语言:简体中文, 已选 发送完整字幕
配音渠道:OmniVoice(内置), 角色:[热情]sai开场白.wav, 配音语言:简体中文, 未选 二次语音识别
音量:+0%, 语速:+0%, 未选 音频加速, 未选 视频慢速
未选 移除字幕间空隙, 未选 强制对齐字幕和声音
字幕: 嵌入硬字幕
已选 分离人声与背景声,存在分离后的纯净人声文件,存在分离后的背景声音文件
代理地址:http://127.0.0.1:7890

这是 llama-server 后端返回的 500 错误，核心原因是：本地部署的小参数模型不理解软件发送的复杂翻译提示词格式，未能输出符合预期的结构化结果。peg-native format 是 llama.cpp 服务端对输出格式的校验机制，当模型输出的内容不符合期望格式时就会触发该错误。

解决方法（按顺序尝试）：

1. 精简提示词

   • 关闭软件，进入软件根目录，打开 videotrans/prompts/srt/localllm.txt（你已勾选“发送完整字幕”）
   • 删除多余的中文解释、段落要求等，只保留最核心的指令（例如：请将以下内容翻译为简体中文，仅输出翻译结果，不要附加任何解释）
   • 注意：{} 包裹的内容是变量，不要删除或修改
   • 保存后重新启动软件再试

2. 关闭“发送完整字幕”

   • 在高级选项 → 字幕翻译调整 中，取消勾选「发送完整字幕」
   • 强制使用逐行翻译模式，降低对模型格式跟随能力的要求

3. 换用更强的模型或渠道

   • 如果本地模型只有 7B 甚至更小，建议改用 DeepSeek、OpenAI 等在线大模型渠道
   • 或者调整 llama-server 加载的模型为更强的版本（如 Qwen2.5-14B/32B）

4. 检查 max_token 设置

   • 确保在「兼容 AI/本地模型」设置界面中，max_token 数值足够大（例如 4096 以上），避免输出被截断导致格式不完整

5. 确认 llama-server 部署正确

   • 检查是否使用了支持 Chat 模板的 GGUF 模型（如 Qwen、Llama-3 等官方指令微调模型），而非通用 base 模型

请查阅相关文档：

• 兼容 AI/本地模型翻译
• 修改提示词

翻译提示词指定字典表

可以，通过修改翻译提示词文件即可实现自定义术语表（字典表）的指定。

具体操作步骤：

1. 定位提示词文件
   根据你当前是否勾选了「发送完整字幕」，打开对应文件：

   • 已勾选「发送完整字幕」：修改 软件目录/videotrans/prompts/srt/localllm.txt
   • 未勾选「发送完整字幕」：修改 软件目录/videotrans/prompts/text/localllm.txt

2. 在提示词中加入字典表
   在文件中现有内容的基础上，追加如下格式的术语表要求（{} 包裹的变量不要删改）：

   请严格遵守以下术语表翻译，不得随意更改译法：
   术语表：
   ABS → 防抱死制动系统
   ETS2 → 欧洲卡车模拟2
   SCS → SCS软件公司
   如果原文中出现上述术语，必须使用表中指定的译法。

3. 保存并重启软件
   修改后保存文件，并重新启动软件，再执行翻译任务。

⚠️ 重要提醒：你此前遇到的 peg-native format 报错，正是由于本地小模型无法严格遵循复杂提示词格式导致的。加入术语表会进一步增加提示词复杂度，可能加剧该错误。建议：

• 尽量精简提示词，去掉多余解释，只保留“术语表 + 翻译指令”核心内容；
• 若仍报错，可考虑改用 DeepSeek / OpenAI 等在线大模型渠道，或更换更强的本地模型。

请查阅相关文档：

• 修改提示词
• 兼容 AI/本地模型翻译

DEBUG] CPU进程池:max_workers=4
[DEBUG] app_cfg.proxy=None
[DEBUG] Qwen-TTS本地内置渠道使用 0.6B 模型，device_map='cpu',is_cuda=False

这些日志显示：CPU进程池已启动（4个线程），网络代理未配置，且 Qwen-TTS 本地内置渠道正在使用 0.6B 模型并以 CPU 模式运行（未启用 CUDA 加速）。这通常是正常的启动信息，不代表报错。

如果你希望解决以下问题，请明确说明：

1. 是否想启用 Qwen-TTS 的 GPU 加速？如果是，需确认你的显卡为 NVIDIA 且已安装 CUDA 12.8+ 和 cuDNN 9.11，并在软件主界面勾选“CUDA加速”。
2. 是否遇到了具体报错？请提供日志中后续的错误行（底部约30行）。
3. 是否对模型选择有疑问（如为何是 0.6B 而非 1.7B）？

请补充你的操作系统、软件版本、是源码部署还是预打包版，以及实际遇到的问题现象或报错截图，以便进一步分析。

确认你的显卡为 NVIDIA 且已安装 CUDA 12.8+ 和 cuDNN 9.11，并在软件主界面勾选“CUDA加速”。 都确认有

已确认硬件与软件设置均存在，但日志仍显示 is_cuda=False，说明软件运行时未能正确加载 CUDA 环境。可能原因及解决步骤如下：

1. 检查系统环境变量
   确保 CUDA 的 bin 和 lib 目录已加入系统 Path 环境变量（例如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\bin 和 ...\lib）。修改后必须重启软件才能生效。
2. 验证驱动与 CUDA 版本兼容
   在命令提示符中运行 nvidia-smi，确认显示驱动支持的最高 CUDA 版本 ≥ 12.8；再运行 nvcc -V 确认 CUDA 编译器版本为 12.8+。
3. 检查高级选项中的 GPU 任务数
   进入 菜单 → 工具 → 高级选项，确认「GPU同时任务数」不为 0（默认应为 1），并且「多显卡模式」未意外开启（除非你有多个显卡）。
4. 尝试重新下载最新补丁包覆盖
   若以上均正常，可能是预打包版内部 CUDA 库加载异常，请从官网下载最新补丁包覆盖到软件目录（注意保留 videotrans 下的 JSON 配置文件）。
5. 查看详细日志
   如果仍无效，请提供软件安装目录下 logs/ 文件夹中最新的日志文件底部约 30 行内容，重点看是否有 CUDA not available、torch.cuda.is_available() = False 或 GPU 进程池创建失败的提示，以便进一步定位。

提示：主界面勾选的「CUDA加速」主要影响语音识别阶段；本地配音渠道（如 Qwen-TTS）的 GPU 使用依赖软件全局的 CUDA 检测，因此上述环境配置必须正确。

请查阅相关文档：

• Windows 上配置 CUDA 和 cuDNN