#7588 给出的srt字幕和导出的视频对不上，视频有一小时，字幕却只有20分钟

视频长达1小时而字幕仅20分钟，通常是因为导入的外部SRT字幕本身时间轴只覆盖了前20分钟，或SRT时间码格式不规范导致解析中断。软件默认直接采用你提供的SRT时间轴，不会自动补齐后续时间段。

排查与解决步骤：

1. 检查SRT文件本身
   用记事本打开该SRT，查看最后一条字幕的时间码。若最后一条仅为 00:20:xx，说明源字幕本身只做了前20分钟，需重新获取完整字幕。
2. 确认软件是否使用了该字幕
   如果字幕是放在 _video_out/视频名-后缀/（如 myvideo-mp4/zh-cn.srt）中，且勾选了清理已生成，字幕会被清空/失效，导致重新走识别但时长不匹配。请不要勾选清理已生成，也不要点击输出到...。
3. 检查时间码格式
   SRT时间码必须为 00:00:01,000 --> 00:00:03,000（标准格式，逗号分隔毫秒）。若时间码写成了 00:00:01.000（小数点）或缺少序号行，解析会中断，导致大量字幕被丢弃。
4. 确认两条字幕语言文件名正确
   源语言字幕需命名为对应语言代码（如 en.srt），目标语言为 zh-cn.srt，放在上述子文件夹内。命名错误会导致被忽略。
5. 重新执行
   若确认字幕完整仍不匹配，请取消选中清理已生成后重新开始任务。

如果以上排查后仍异常，请提供：

• 软件左上角版本号
• 是Windows预打包版还是源码部署
• 该SRT文件的最后5行内容
• logs/ 文件夹中最新的日志文件（复制底部约30行）

请查阅相关文档：

• 导入本地字幕或人声
• 优化断句效果

[DEBUG] [Calc] Mode=Both Line=815 | 字幕可用区间=3800.0ms, 当前实际配音时长=5210ms -> 配音加速目标时长=4505ms 视频慢速目标时长=4505ms，PTS=1.1855263157894738
[DEBUG] [Calc] Mode=Both Line=816 | 字幕可用区间=3960.0ms, 当前实际配音时长=6320ms -> 配音加速目标时长=5140ms 视频慢速目标时长=5140ms，PTS=1.297979797979798
[DEBUG] [Calc] Mode=Both Line=817 | 字幕可用区间=3080.0ms, 当前实际配音时长=5080ms -> 配音加速目标时长=4080ms 视频慢速目标时长=4080ms，PTS=1.3246753246753247
[DEBUG] [Calc] Mode=Both Line=818 | 字幕可用区间=3520.0ms, 当前实际配音时长=8660ms -> 配音加速目标时长=6090ms 视频慢速目标时长=6090ms，PTS=1.7301136363636365
[DEBUG] [Calc] Mode=Both Line=819 | 字幕可用区间=3040.0ms, 当前实际配音时长=5740ms -> 配音加速目标时长=4390ms 视频慢速目标时长=4390ms，PTS=1.444078947368421
[DEBUG] [Calc] Mode=Both Line=820 | 字幕可用区间=4040.0ms, 当前实际配音时长=6280ms -> 配音加速目标时长=5160ms 视频慢速目标时长=5160ms，PTS=1.2772277227722773
[DEBUG] 视频应变速到时长=4453.619s
[DEBUG] 配音应变速到时长=4093.819s
[DEBUG] [Audio] 开始处理 787 个音频变速任务
[DEBUG] 使用12个进程处理音频加速
[DEBUG] [Video] 提交 818 个视频片段处理慢速任务，原视频片段为 820 个
[DEBUG] 使用12个进程处理视频慢速
[DEBUG] 真实视频时
......
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/23864/1287cd5f18/faster-en-1790215438.0826907.log', 'is_cuda': True, 'no_speech_threshold': 0.6, 'threshold': 0.45, 'condition_on_previous_text': False, 'audio_file': 'D:/YII/tmp/23864/1287cd5f18/recogn2pass-1790215437.0839574.wav', 'local_dir': 'D:/YII/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo', 'compute_type': 'default', 'jianfan': False, 'audio_duration': 4434801, 'hotwords': '', 'prompt': '', 'beam_size': 5, 'best_of': 5, 'temperature': '0.0', 'repetition_penalty': 1.0, 'compression_ratio_threshold': 2.4, 'max_speech_ms': 5000, 'min_speech_ms': 3000, 'uuid': '1287cd5f18', 'subtitle_srt': 'D:/YII/tmp/faster-20260924-10_03_58.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-20260924-10_03_58.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164.63262510299683s
[DEBUG] 二次识别成功完成

[DEBUG] 视频时长4458565ms-音频时长4434800ms=23765ms,需延长音频
[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1790215682.3006387.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']

从日志看，问题根源是同时启用了"配音加速"和"视频慢速"，并且大量字幕的配音时长明显超出字幕可用区间（如Line 818：字幕区间仅3520ms，配音却长达8660ms，超出近2.5倍），触发了 Mode=Both 的强对齐策略。

日志关键数据：

• Mode=Both：音频与视频各承担一半时间差异
• 视频被强制慢放到 PTS=1.18~1.73（即画面被拉长1.2~1.7倍）
• 结果：视频应变速到时长=4453.619s，而原视频约 4458s，配音被拉长到 4093.819s
• 最终 视频时长4458565ms - 音频时长4434800ms = 23765ms，导致音画整体错位累积

为什么会"对不上"

"视频慢速"会按字幕逐条重新拉伸画面片段，1小时视频被拆成 818 个片段逐一变速。

这种逐段变速会导致：

1. 每段的拉伸比例不同，累积后整体时间轴偏移越来越严重
2. 你导入的20分钟字幕只覆盖部分片段，其余片段没有对应字幕驱动对齐，画面被强行处理，时间轴彻底错乱
3. 最终合成使用 -c:v copy（不重编码）+ -shortest，会把超出部分截断

解决方案

第一步：关闭"视频慢速"

在主界面只保留 配音加速，取消勾选 视频慢速。

逐段视频慢放是时间轴错乱的主因，避免它即可大幅缓解。

第二步：解决配音过长的根本问题

日志显示大量 配音时长=5210/6320/8660ms 远超字幕区间，说明译文太长：

1. 主界面 设置更多参数 → 提高 配音语速，中文转英文建议 +15% 或 +20%
2. 翻译渠道改用 DeepSeek/OpenAI 等 AI 模型，勾选 发送完整字幕，并在高级选项勾选 AI翻译附带所有字幕做参考，让译文更精简
3. 高级选项 → 字幕声音画面对齐 → 音频加速最大倍数 保持默认即可

第三步：重新执行前务必勾选 清理已生成

之前的对齐结果已缓存，不清理会沿用旧数据。

第四步：验证字幕完整性（回到你上一个问题）

1小时视频配20分钟字幕，请先确认导入的SRT本身是否完整（打开看最后一条时间码）。

若字幕确实只有20分钟，其余40分钟无字幕驱动，配合"视频慢速"必然错乱。

保存时长建议

如需保留原始背景声且不想被截断，取消 -shortest 影响，可改用：不勾选视频慢速 + 提高配音语速，让配音自然缩短到等于或略短于视频，即可避免末尾截断。

如果按上述操作后仍严重错位，请提供：

• 软件左上角版本号
• 完整的字幕文件（原始SRT）最后5行
• logs/ 下最新日志文件

请查阅相关文档：

• 字幕语音画面对齐原理
• 最佳配置推荐
• 导入本地字幕或人声

[DEBUG] [Video-Cut] 片段779 [原片段时长:3640ms] [目标:4840ms] [PTS:1.3296703296703296] 完成。真实时长: 4867ms, 真实-应生=27ms
[DEBUG] [Video-Cut] 片段780 [原片段时长:3200ms] [目标:4040ms] [PTS:1.2625] 完成。真实时长: 4029ms, 真实-应生=-11ms
[DEBUG] [Video-Cut] 片段784 [原片段时长:3840ms] [目标:4360ms] [PTS:1.1354166666666667] 完成。真实时长: 4390ms, 真实-应生=30ms
[DEBUG] [Video-Cut] 片段783 [原片段时长:3260ms] [目标:4365ms] [PTS:1.3389570552147239] 完成。真实时长: 4361ms, 真实-应生=-4ms
[DEBUG] [Video-Cut] 片段787 [原片段时长:3420ms] [目标:4775ms] [PTS:1.3961988304093567] 完成。真实时长: 4781ms, 真实-应生=6ms
[DEBUG] [Video-Cut] 片段785 [原片段时长:3260ms] [目标:4815ms] [PTS:1.4769938650306749] 完成。真实时长: 4807ms, 真实-应生=-8ms
[DEBUG] [Video-Cut] 片段786 [原片段时长:3980ms] [目标:5155ms] [PTS:1.2952261306532664] 完成。真实时长: 5177ms, 真实-应生=22ms
[DEBUG] [Video-Cut] 片段792 [原片段时长:3240ms] [目标:5835ms] [PTS:1.8009259259259258] 完成。真实时长: 5855ms, 真实-应生=20ms
[DEBUG] [Video-Cut] 片段790 [原片段时长:3380ms] [目标:5030ms] [PTS:1.4881656804733727] 完成。真实时长: 5043ms, 真实-应生=13ms
[DEBUG] [Video-Cut] 片段789 [原片段时长:3200ms] [目标:4975
......
片段797 [原片段时长:3380ms] [目标:4920ms] [PTS:1.455621301775148] 完成。真实时长: 4934ms, 真实-应生=14ms
[DEBUG] [Video-Cut] 片段803 [原片段时长:3380ms] [目标:5535ms] [PTS:1.6375739644970415] 完成。真实时长: 5546ms, 真实-应生=11ms
[DEBUG] [Video-Cut] 片段806 [原片段时长:3340ms] [目标:5110ms] [PTS:1.529940119760479] 完成。真实时长: 5133ms, 真实-应生=23ms
[DEBUG] [Video-Cut] 片段805 [原片段时长:3780ms] [目标:5185ms] [PTS:1.3716931216931216] 完成。真实时长: 5204ms, 真实-应生=19ms
[DEBUG] [Video-Cut] 片段807 [原片段时长:15100ms] [目标:15100ms] [PTS:1.0] 完成。真实时长: 15126ms, 真实-应生=26ms
[DEBUG] [Video-Cut] 片段813 [原片段时长:3960ms] [目标:5100ms] [PTS:1.2878787878787878] 完成。真实时长: 5105ms, 真实-应生=5ms
[DEBUG] [Video-Cut] 片段812 [原片段时长:3800ms] [目标:4485ms] [PTS:1.180263157894737] 完成。真实时长: 4483ms, 真实-应生=-2ms
[DEBUG] [Video-Cut] 片段814 [原片段时长:3080ms] [目标:4055ms] [PTS:1.3165584415584415] 完成。真实时长: 4068ms, 真实-应生=13ms
[DEBUG] [Video-Cut] 片段811 [原片段时长:4440ms] [目标:5455ms] [PTS:1.2286036036036037] 完成。真实时长: 5491ms, 真实-应生=36ms
[DEBUG] [Video-Cut] 片段809 [原片段时长:3080ms] [目标:3745ms] [PTS:1.2159090909090908] 完成。真实时长: 3759ms, 真实-应生=14ms
[DEBUG] [Video-Cut] 片段810 [原片段时长:3500ms] [目标:7550ms] [PTS:2.157142857142857] 完成。真实时长: 7512ms, 真实-应生=-38ms
[DEBUG] [Video-Cut] 片段816 [原片段时长:3040ms] [目标:4360ms] [PTS:1.4342105263157894] 完成。真实时长: 4380ms, 真实-应生=20ms
[DEBUG] [Video-Cut] 片段808 [原片段时长:3620ms] [目标:6020ms] [PTS:1.6629834254143647] 完成。真实时长: 6022ms, 真实-应生=2ms
[DEBUG] [Video-Cut] 片段815 [原片段时长:3520ms] [目标:6050ms] [PTS:1.71875] 完成。真实时长: 6050ms, 真实-应生=0ms
[DEBUG] [Video-Cut] 片段817 [原片段时长:4040ms] [目标:5120ms] [PTS:1.2673267326732673] 完成。真实时长: 5109ms, 真实-应生=-11ms
[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-20260924-11_21_00.srt，防止进程崩溃后永久等待

从这段日志看，视频慢速的实际执行是正常的：每个片段误差仅 ±40ms 内（如片段810 真实7512ms vs 应生7550ms，仅差38ms），说明 ffmpeg 逐段变速本身没有崩溃或丢帧。

问题不在"视频慢速执行"，而在于累计误差 + 片段级变速天然无法对齐小时级时间轴。

核心分析：逐段变速必然产生累积漂移你视频被拆成 818 个片段，每个片段即使只差 ±30ms，818 段的误差累积可达 十几秒到几十秒。

日志里片段807 是 15100ms 的原片段（未变速，PTS=1.0），这类"大块未变速片段"夹在大量变速片段中间，会让整体时间轴产生非线性偏移。

字幕只有20分钟时，后半段完全没有字幕驱动H1小时的视频，字幕仅覆盖前20分钟，后40分钟的字幕区间为0或不存在。

后40分钟的800多个视频片段没有对应配音驱动，却仍被"视频慢速"强行处理，导致时间轴单方面拉长，与配音彻底脱节。

二次识别只对"配音音频"转录日志末尾二次识别是对 recogn2pass 音频（即变声后的配音）做的，生成的字幕只对齐配音本身，不会回头修正视频画面时间轴。

所以即使二次识别成功，最终合成时视频时间轴已在前一步被拉长错位。

解决方案（按优先级）第一步：关闭"视频慢速"1小时的视频逐段慢放是时间轴崩溃主因，尤其当字幕只覆盖部分时长时。

主界面只保留 配音加速，取消勾选 视频慢速。

第二步：先确认字幕完整性这是关键。

打开你导入的SRT，看最后一条时间码是否到 00:59:xx。

若只到 00:20:xx，则后40分钟无字幕，必须补全字幕后再翻译。

第三步：让配音自然缩短而非拉长视频

设置更多参数 → 配音语速 +15% ~ +20%

翻译渠道用 DeepSeek/OpenAI，勾选 发送完整字幕，高级选项勾选 AI翻译附带所有字幕做参考，让译文更精简

目标：让配音总时长 ≤ 视频总时长，这样既不需要音频大幅加速，也不需要视频慢速。

第四步：高级选项微调

音频加速最大倍数 保持默认（100 足够）

视频慢放最大倍数 即使要用也建议 ≤ 2，日志中片段810 已达 PTS=2.15，单段拉伸2倍以上画面会明显卡顿，且加剧累积漂移

第五步：重试前勾选 清理已生成避免沿用旧的字幕与对齐缓存。

如果字幕本身只有20分钟，请先提供：软件左上角版本号完整字幕文件最后5行（确认是否真只有20分钟）logs/ 下最新日志在字幕补全前，不建议再开启"视频慢速"重试，否则仍会错位。

请查阅相关文档：
字幕语音画面对齐原理
优化断句效果
导入本地字幕或人声