#7489 同一个电影相同的参数411识别的字幕为27 k.字幕数为400行.而新版412至413识别的字幕为20 k字母为200行

识别字幕行数变少、体积变小，根本原因是 v4.12 起优化了 VAD 切分算法和重断句逻辑，导致合并策略变化，把原来被拆碎的短句合并成了更长的整句。

核心原因说明：
v4.12 更新日志明确提到：

• 优化 VAD 切分算法
• 优化 whisper 模型识别后重断句算法
• 移除了 whisper预分割音频、合并邻近短字幕 等旧选项

新旧版本对同一音频的切分颗粒度不同，所以 400 行 / 27K 变成了 200 行 / 20K。

解决方案（三种，按需选择）：

1. 调低字幕合并门槛，让字幕变多、变短
   进入 菜单 → 工具/选项 → 高级选项 → 语音识别参数：

   • 最短语音持续(毫秒)：从默认 3000 调低，例如 1000~1500
   • 静音分割持续毫秒：从默认 600 调低，例如 300~400
   • 最长语音持续(秒)：调低，例如 3~4
     这样切分更敏感，单条字幕更短，行数会更接近旧版。
2. 关闭或检查 LLM 纠错的影响
   v4.12 起 LLM重新断句 改为 LLM纠错（只改错别字和标点，不重新断句）。若你启用了相关纠错渠道，也可能影响最终合并结果，可在 高级选项 → 通用 → LLM纠错所用AI渠道 检查。
3. 确认没有使用旧版的“合并短字幕”逻辑
   合并邻近短字幕 和 whisper预分割音频 在 v4.12 已被移除，无法再通过旧选项恢复 400 行的效果，只能通过上面第 1 条的 VAD 参数变相达到相似颗粒度。

注意： 若你后续要用 clone 音色克隆配音，最短语音持续 请保持在 3000 毫秒以上，否则参考音频过短会导致克隆失败或音质差。

如果按上述调整后行数仍与 v4.11 差异过大，请提供两个版本各自的日志文件（logs/ 目录下最新 YYYYMMDD.log，复制语音识别相关段落）进一步确认切分行为。

请查阅相关文档：

• 调节VAD精确控制语音识别
• 优化断句效果