#7447 没有语音但是语音识别出有语音，怎么解决

这是语音识别模型的“幻觉（hallucination）”问题——Whisper 等模型在遇到静音、纯背景音乐、噪声时，有时会凭空编造出文字（常见于模型用训练数据中的高频句“脑补”，比如“请不吝点赞订阅”“字幕由XX提供”之类）。

排查与解决步骤（按优先级）

1. 确认视频是否真的无音轨
用播放器播放原视频，确认是否有声音。若在线下载的视频音画分离导致无声，需先修复视频本身。

2. 使用 VAD 过滤静音段
进入 菜单 → 工具 → 高级选项 → 语音识别参数：

• 选择合适的 VAD（如 ten-vad）
• 提高 语音阈值（Speech probability threshold），让静音/噪声不被判定为语音
• 提高 非语音阈值（no speech threshold），减少幻觉

3. 勾选降噪 / 分离人声背景声
主界面点击 设置更多参数，勾选 降噪 或 分离人声背景声。纯背景音乐视频经人声分离后，送入 ASR 的音频基本为空，可大幅减少幻觉（二者选一即可，已分离背景声则无需再降噪）。

4. 更换识别模型/渠道

• 换用对幻觉抑制更好的渠道，如 Qwen-ASR(内置)、Firered中文(内置)（仅中文）、FunASR(内置) 等。
• 若仍用 whisper，可尝试 large-v3-turbo 或调低 采样温度（temperature）参数。

5. 明确指定发音语言
不要用“自动检测”（若你的版本有该项），明确指定语言可降低幻觉概率。

请查阅相关文档：

• 调节VAD精确控制语音识别
• 优化断句效果
• 语音识别所有渠道