#7218 今天刚发现，怎么识别的英语语音，造成时间偏差，统一往后移动几秒钟

时间轴统一偏移的底层原因是：语音识别阶段生成的 SRT 时间码与音频实际说话位置发生了系统性错位。以下是常见触发因素及对应的排查修复步骤：

1. 确认使用的识别渠道与模型

   • 若使用 faster-whisper(内置)，请尝试更换为 openai-whisper(内置) large-v3 对比测试，判断是否为特定模型的时间戳解码问题。

2. 检查是否开启了「二次识别」

   • 二次识别会对配音结果重新转录生成新字幕，若该步骤异常可能导致整体时间轴漂移。可在高级选项中暂时关闭后再测试一遍。

3. 检查「音频加速」与「视频慢速」设置

   • 这两个参数会改变音频/视频的速度与时间轴，如果开启且倍率设置不合理，会使字幕与画面对不上。可先全部取消勾选，观察字幕本身的时间轴是否仍有偏移。

4. 检查高级选项中的 VAD 参数

   • 最长语音持续(秒)、最短语音持续(毫秒)、静音分割持续(毫秒) 设置过激会导致 VAD 切片边界漂移，从而让识别出的时间戳整体后移。
   • 建议先恢复默认值再测试。

5. 检查原始音频是否有多余的头部静音或采样率异常

   • 如原视频开头有较长空白，部分模型会把首句时间戳定位到静音之后，造成整体视觉上的"往后移动"。

6. 使用单视频交互模式手动校正

   • 处理单视频时会弹出字幕编辑窗口，可双击「开始时间」「结束时间」列手动修正偏移，或右键单元格微调 0.1s。
   • 若所有句子偏移量一致，可直接用外部工具（如 Subtitle Edit）对该 srt 做整体平移后再让软件跳过识别阶段使用。

如以上排查后仍无法定位，请提供：

• 软件左上角显示的版本号
• 使用的语音识别渠道与具体模型名
• 原视频的发音语言是否选择了「自动检测」
• 一段实际的偏移示例（原音第X秒说话，生成字幕写成第Y秒）
• 软件目录 logs/ 下当天日志文件底部约30行

以便进一步判断。

使用的是4.12最新版，上午还没事，晚上才发现，一直音画不同步，逐步检查，识别的英语造成的

底层的核心原因是：语音识别出的英文字幕时间轴整体后移，导致后续配音、合成全部跟着偏移。上午正常、晚上才出现，说明不是软件本身缺陷，而是本次识别过程受 VAD 切片边界或模型解码影响。

请按以下顺序排查（每一步做完立刻重跑一个短视频验证）：

1. 确认偏移量是否固定

   • 若所有字幕都后移相同的秒数（比如统一后移 3s），属于整体平移，可在单视频交互模式里手动修正，或用 Subtitle Edit 整体平移 srt 后让软件跳过识别阶段。
   • 若偏移量不一致（有的后移多、有的后移少），则是 VAD 切片问题，继续第 2 步。

2. 检查 VAD 参数是否被改动
   进入 菜单 → 工具 → 高级选项 → 语音识别参数，确认以下三项是否偏离默认：

   • 最长语音持续(秒)
   • 最短语音持续(毫秒)
   • 静音分割持续毫秒
     若被改过，先恢复默认值，再重跑识别。
3. 选择「自动检测」发音语言的情况
   若本次发音语言选了 自动检测，英文识别可能由模型自动判定语言时产生时间戳漂移。请改为明确指定英语后重试。
4. 对比识别渠道
   若使用的是 faster-whisper(内置)，换 openai-whisper(内置) large-v3 或 Qwen-ASR(内置) 对比，确认是否为当前渠道的时间戳解码问题。
5. 检查是否有二次识别介入
   若开启了二次识别，它会对配音结果再次转录，若该阶段异常会叠加时间偏移。可暂时关闭后测试原始识别时间轴是否正常。
6. 清理缓存后重跑
   勾选主界面 清理已生成，或手动删除 tmp/translate_cache/ 与 tmp/ 下对应 PID 目录，避免使用上午遗留的旧缓存字幕。

如果以上操作后偏移仍然存在，请提供以下信息以便定位：

• 软件目录 logs/ 下当天日志文件底部约 30 行
• 使用的语音识别渠道与具体模型名
• 发音语言是否选择了「自动检测」
• 一个具体示例：原音第 X 秒开始的英语句子，生成的字幕写成了第 Y 秒

请查阅相关文档：

• 单视频精修模式
• 高级选项
• 导入本地已有的字幕或人声