#7573 [DEBUG] [Video-Cut] 片段382 [原片段时长:3480.0ms] [目标:8110ms] [PTS:2.3304597701149423] 完成。真实时长: 8113ms, 真实-应生=3ms[DEBUG] [Video

112.49**5 Posted at: 1 hour ago

[DEBUG] [Video-Cut] 片段382 [原片段时长:3480.0ms] [目标:8110ms] [PTS:2.3304597701149423] 完成。真实时长: 8113ms, 真实-应生=3ms
[DEBUG] [Video-Cut] 片段390 [原片段时长:3260.0ms] [目标:5610ms] [PTS:1.7208588957055215] 完成。真实时长: 5596ms, 真实-应生=-14ms
[DEBUG] [Video-Cut] 片段391 [原片段时长:3480.0ms] [目标:7910ms] [PTS:2.2729885057471266] 完成。真实时长: 7914ms, 真实-应生=4ms
[DEBUG] [Video-Cut] 片段392 [原片段时长:3100.0ms] [目标:5750ms] [PTS:1.8548387096774193] 完成。真实时长: 5718ms, 真实-应生=-32ms
[DEBUG] [Video-Cut] 片段389 [原片段时长:3220.0ms] [目标:6910ms] [PTS:2.1459627329192545] 完成。真实时长: 6899ms, 真实-应生=-11ms
[DEBUG] [Video-Cut] 片段395 [原片段时长:3060.0ms] [目标:6840ms] [PTS:2.235294117647059] 完成。真实时长: 6810ms, 真实-应生=-30ms
[DEBUG] [Video-Cut] 片段393 [原片段时长:3480.0ms] [目标:5680ms] [PTS:1.632183908045977] 完成。真实时长: 5692ms, 真实-应生=12ms
[DEBUG] [Video-Cut] 片段397 [原片段时长:3500.0ms] [目标:6540ms] [PTS:1.8685714285714285] 完成。真实时长: 6512ms, 真实-应生=-28ms
[DEBUG] [Video-Cut] 片段396 [原片段时长:3260.0ms] [目标:5760ms] [PTS:1.7668711656441718] 完成。真实时长: 5745ms, 真实-应生=-15ms
[DEBUG] [Video-Cu
......
务 开始:title='Model: large-v3-turbo']
[DEBUG] 新进程任务 参数:kwargs={'detect_language': 'en', 'model_name': 'large-v3-turbo', 'logs_file': 'D:/YII/tmp/22228/1287cd5f18/faster-en-1790139973.8738022.log', 'is_cuda': True, 'no_speech_threshold': 0.8, 'threshold': 0.3, 'condition_on_previous_text': False, 'audio_file': 'D:/YII/tmp/22228/1287cd5f18/recogn2pass-1790139972.7334073.wav', 'local_dir': 'D:/YII/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo', 'compute_type': 'default', 'jianfan': False, 'audio_duration': 4467746, 'hotwords': '', 'prompt': '', 'beam_size': 5, 'best_of': 5, 'temperature': '0.0', 'repetition_penalty': 1.0, 'compression_ratio_threshold': 2.4, 'max_speech_ms': 10000, 'min_speech_ms': 3000, 'uuid': '1287cd5f18', 'subtitle_srt': 'D:/YII/tmp/faster-20260923-13_06_13.srt', 'recogn2_max_speech': 1500, 'recogn2_min_speech': 600, 'device_index': 0, 'device_name': 'auto'}
[DEBUG] 开始加载 faster-whisper模型large-v3-turbo,数据类型:default
[DEBUG] [faster_whisper]加载模型large-v3-turbo: running on cuda,_compute_type='default'
[DEBUG] 直接传递完整音频，由faster-whisper内部VAD处理，返回字级时间戳数据
[DEBUG] faster-whisper模式下，对large-v3-turbo模型返回的字级时间戳进行断句
[DEBUG] 进入二次识别重新断句:recogn2_min_speech=600,recogn2_max_speech=1500,info.language='en'
[DEBUG] 二次识别断句完成
[DEBUG] faster-whisper下已临时保存识别结果到 D:/YII/tmp/faster-20260923-13_06_13.srt，防止进程崩溃后永久等待
[DEBUG] [新进程任务 title='Model: large-v3-turbo'] 已返回
[DEBUG] [新进程任务 结束:title='Model: large-v3-turbo']，耗时113.95795369148254s
[DEBUG] 二次识别成功完成

[DEBUG] 视频时长4478154ms-音频时长4467745ms=10409ms,需延长音频
[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1790140171.7881775.txt', '-i', 'novoice.mp4', '-i', 'will_embed.m4a', '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'copy', '-movflags', '+faststart', '-fps_mode', 'vfr', '-shortest', 'laste_target.mp4']

前半段视频正常，后半段没声音，没配音

3 Replies

#1 DeepSeek reply at 1 hour ago

核心原因：日志显示最终合成时视频时长(4478154ms)比配音音频时长(4467745ms)长10409ms，软件判定"需延长音频"但并未执行（合成命令仍是简单的 -map 0:v -map 1:a -c:a copy），导致后半段音频不够覆盖画面，出现无声。

请按以下步骤排查：

  1. 检查配音阶段是否有失败行：进入本次任务的临时目录 D:/YII/tmp/22228/1287cd5f18/，查看是否存在配音报错。

    日志中 len(audio_list)=413，若与字幕总行数不符，说明部分字幕配音失败被跳过，累积总时长就会偏短，从而后段无声。

  2. 确认是否为音画对齐导致音频被截断：日志显示 PTS=1.0的差值:6838.0ms，即未变速的片段累计真实时长比预期多了约6.8秒，视频被拉长但音频未同步拉长，导致尾部空档无声。

    建议：

    • 勾选 清理已生成 后重试（避免复用旧的中间缓存）
    • 若使用了 视频慢速，可尝试取消仅保留 音频加速
  3. 检查配音渠道是否触发限流：若使用 Edge-TTS，高频调用会被限流导致部分行静音。

    进入 菜单-工具-高级选项-字幕配音调整，将 EdgeTTS配音渠道配音并发数改为 1，配音后暂停秒 设为 5~10。

  4. 重新翻译时确保选中 音频加速，并在高级选项 字幕声音画面对齐 中确认 音频加速最大倍数 足够大（默认100，一般够用）。

如以上排查后问题依旧，请提供：

  • 软件版本号（左上角）
  • 完整的 logs/ 目录下当次日志文件（尤其配音阶段和合成阶段的完整记录）
  • 本次任务目录中 audio_list 相关文件数量与字幕总行数的对比

请查阅相关文档：

#2 112.49**5 reply at 31 minutes ago

Application started at 2026-09-23 10:56:31

Loading resources...
Loading main window...
Initializing UI...
SetupUI end...
import recognition ...
import tts ...
import translate ...
Get cache ...
Set default value ...
import voices list ...
Set tts voice ...
[DEBUG] Version: v4.13, Frozen：True, OS: win32
上次缓存的角色:Guy(Male/US),字幕嵌入类型:0,发音语言:简体中文,目标语言:英语，目标语言代码:en,模型:large-v3-turbo,TTS渠道[0]
show main window ...
Bind signal...
set cursor...
end
[DEBUG] self.volume='+100%', self.rate='-2%', self.pitch='+0Hz'
[DEBUG] 当前使用配音渠道：Edge-TTS(免费)
[DEBUG] 可用 Nvidia 显卡数: 1
[DEBUG] 找到 1 个 Nvidia GPUs, 耗时: 7s
[DEBUG] 平台: Windows。正在按优先级检测最佳的 'h264' 编码器: ['nvenc', 'qsv', 'amf']
[DEBUG] 正在测试编码器是否可用: h264_nvenc...
[DEBUG] cpu_count=20,app_cfg.MAX_GPU_PROCESS=1, app_cfg.MAX_CPU_PROCESS=5, task_nums=4
[DEBUG] start 33 jobs
[DEBUG] 硬件编码器 'h264_nvenc' 可用。
[DEBUG] 已选择硬件编码器: h264_nvenc
[DEBUG] 最终确定使用的编码器: h264_nvenc
[DEBUG] 平台: Windows。正在按优先级检测最佳的 'hevc' 编码器: ['nvenc', 'qsv'
......
turbo'
[DEBUG] [新进程任务 开始:title='Model: large-v3-turbo']
[DEBUG] 新进程任务 参数:kwargs={'detect_language': 'en', 'model_name': 'large-v3-turbo', 'logs_file': 'D:/YII/tmp/23312/1287cd5f18/faster-en-1790143726.1200879.log', 'is_cuda': True, 'no_speech_threshold': 0.8, 'threshold': 0.3, 'condition_on_previous_text': False, 'audio_file': 'D:/YII/tmp/23312/1287cd5f18/recogn2pass-1790143725.0165951.wav', 'local_dir': 'D:/YII/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo', 'compute_type': 'default', 'jianfan': False, 'audio_duration': 4467746, 'hotwords': '', 'prompt': '', 'beam_size': 5, 'best_of': 5, 'temperature': '0.0', 'repetition_penalty': 1.0, 'compression_ratio_threshold': 2.4, 'max_speech_ms': 10000, 'min_speech_ms': 3000, 'uuid': '1287cd5f18', 'subtitle_srt': 'D:/YII/tmp/faster-20260923-14_08_46.srt', 'recogn2_max_speech': 1500, 'recogn2_min_speech': 600, 'device_index': 0, 'device_name': 'auto'}
[DEBUG] 开始加载 faster-whisper模型large-v3-turbo,数据类型:default
[DEBUG] [faster_whisper]加载模型large-v3-turbo: running on cuda,_compute_type='default'
[DEBUG] 直接传递完整音频，由faster-whisper内部VAD处理，返回字级时间戳数据
[DEBUG] faster-whisper模式下，对large-v3-turbo模型返回的字级时间戳进行断句
[DEBUG] 进入二次识别重新断句:recogn2_min_speech=600,recogn2_max_speech=1500,info.language='en'
[DEBUG] 二次识别断句完成
[DEBUG] faster-whisper下已临时保存识别结果到 D:/YII/tmp/faster-20260923-14_08_46.srt，防止进程崩溃后永久等待
[DEBUG] [新进程任务 title='Model: large-v3-turbo'] 已返回
[DEBUG] [新进程任务 结束:title='Model: large-v3-turbo']，耗时112.04426908493042s
[DEBUG] 二次识别成功完成

[DEBUG] 视频时长4478154ms-音频时长4467745ms=10409ms,需延长音频
[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1790143969.3670619.txt', '-i', 'novoice.mp4', '-i', 'will_embed.m4a', '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'copy', '-movflags', '+faststart', '-fps_mode', 'vfr', '-shortest', 'laste_target.mp4']

#3 DeepSeek reply at 31 minutes ago

核心原因：日志显示视频时长(4478154ms)比配音音频(4467745ms)长10409ms，程序判定"需延长音频"但用的是最简单的 -c:a copy -shortest 合成命令，并未真正执行音频延长（没有补静音的操作），导致尾部长约10秒画面无声。

这是末尾音频未补齐造成的。

请按以下步骤处理：

  1. 确认缺失位置与量级：本次差值约 10.4 秒，正好对应结尾一段无配音，与您描述的"后半段没声音"量级吻合（非全部无配音，而是尾部或某处配音时长不足）。

  2. 检查配音阶段是否有失败/静音行：

    • 进入临时目录 D:/YII/tmp/23312/1287cd5f18/
    • 对比字幕总行数与实际生成的配音文件数量，若有缺失说明部分行配音失败被跳过，累计总时长偏短
    • 若使用 Edge-TTS 免费接口，高频请求会被微软限流，产生静音或失败。

      请进入 菜单-工具-高级选项-字幕配音调整，把 EdgeTTS配音渠道配音并发数 设为 1，配音后暂停秒 设为 5~10
  3. 重试前勾选 清理已生成，避免复用上次的中间缓存（尤其是已损坏或不全的配音文件）
  4. 启用音频加速：主界面确保选中 音频加速，让每句配音尽量贴合原字幕时间轴，减少尾部累积偏差
  5. 若使用了 视频慢速，建议取消，仅保留音频加速，避免视频被拉长后音频跟不上
  6. 终极兜底：若确实需要保证尾部有声，可在高级选项 字幕声音画面对齐 中，配合增大 音频加速最大倍数（默认100，一般够用）；或在配音阶段减少字幕空档。

如重试后问题依旧，请提供：

  • 完整的 logs/ 目录下当次日志文件（含配音阶段和合成阶段）
  • 本次任务目录中实际生成的配音文件数量与字幕总行数的对比

请查阅相关文档：

Thinking...
Post Your Reply
If you have more than 50 messages, you will no longer receive an automatic reply. Please ask a new question!
Open source and free maintenance is not easy. If this project is helpful to you, please consider making a small donation to help the project continue to maintain and update.

Dondate via ko-fi.com

Related resource