#8278 上传的中文视频是一分钟但是翻译出来的英语视频是10秒钟少去了很多部分与精彩画面这是什么问题

这不是翻译过程"丢了内容"，而是最终合成阶段视频画面轨道被压缩/截断了——画面时长与配音、字幕的时间轴没有正确对应，属于 FFmpeg 合成输出的时间轴问题，而非识别或翻译环节出错。

常见触发原因（按可能性排序）：

1. 原始视频是可变帧率(VFR)或视频流/音频流时长不一致
   某些录屏、手机拍摄或网页下载的视频，画面轨与音轨时长不同（例如画面轨元数据只有 10 秒、音轨 1 分钟，或时间戳缺失）。合成时按画面轨时长输出，就会表现为"只剩 10 秒"。
2. 原始视频为多片段拼接 / 分片 MP4，FFmpeg 只正确读取了第一段。
3. 硬件编码器(NVENC/QSV/AMF)在该视频上输出异常，回退不完整。

排查与解决步骤：

1. 确认原视频：用播放器查看画面是否完整播放 1 分钟；或命令行执行
   ffprobe -show_streams 你的视频.mp4，分别看 video 流的 duration/nb_frames 与 audio 流的 duration 是否一致。若画面轨本身就只有 10 秒，则问题在源文件，与软件无关。

2. 打开 菜单 → 工具/选项 → 高级选项 → 视频输出控制(Video Output)：

   • 将 可变帧率vfr / 固定帧率cfr 切换一次（当前是 vfr 就改 cfr，反之亦然），保存后勾选主界面 清理已生成 重新翻译。
   • 勾选 强制软编码视频？（速度慢但兼容性好，可排除硬件编码导致的时间轴异常）。
3. 改用 输出视频格式(mp4/mkv) 中的另一项（如 mp4 换 mkv）再试一次，用于验证是否为封装问题。
4. 若原视频可被截取，先用格式转换工具（菜单 → 工具 → 音视频格式转换）重新转一遍标准 H.264/MP4 固定帧率文件，再导入翻译，多数此类问题可规避。

如果按以上操作后输出时长仍异常，暂无法确定具体原因。请提供：

• 软件版本号（主界面左上角）、Windows 版本、是否为源码部署；
• 软件目录 logs/ 下当日日志文件底部约 30 行；
• 原始视频 ffprobe -show_streams 的输出结果。

请查阅相关文档：

• 高级选项
• 音画字幕对齐原理
• 字幕语音画面对齐

软件版本号（V4.16）、Windows 11、是否为源码部署
当日日志文件底部约 30 行；
[DEBUG] [Video-Concat] 合并 5 个视频片段 -> D:/pyVideoTrans/tmp/10000/7420d69b50/merged_video.mp4
[DEBUG] 共删除了 5 个临时视频切片
[DEBUG] 新视频连接生成完毕，实际总时长: 11133ms
[DEBUG] [音频加速] 使用12个进程，处理 35 个配音片段
[DEBUG] [rubberband]字幕0 配音时长:870ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕1 配音时长:1500ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕2 配音时长:2080ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕3 配音时长:1790ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕4 配音时长:2820ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕6 配音时长:2650ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕5 配音时长:3390ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕8 配音时长:3190ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕10 配音时长:2750ms, 目标时长:2533ms 倍率:1.09
[DEBUG] [rubberband]字幕7 配音时长:3440ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕11 配音时长:2880ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕12 配音时长:1380ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕13 配音时长:1810ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕14 配音时长:3140ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕15 配音时长:2520ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕16 配音时长:2530ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕17 配音时长:2830ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕18 配音时长:1920ms, 目标时长:1550ms 倍率:1.24
[DEBUG] [rubberband]字幕19 配音时长:2340ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕20 配音时长:2250ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕21 配音时长:770ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕22 配音时长:3120ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕23 配音时长:970ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕24 配音时长:2720ms, 目标时长:2316ms 倍率:1.17
[DEBUG] [rubberband]字幕25 配音时长:4850ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕26 配音时长:2380ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕27 配音时长:1590ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕28 配音时长:2090ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕29 配音时长:2600ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕30 配音时长:3680ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕31 配音时长:2100ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕32 配音时长:2840ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕33 配音时长:4160ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕34 配音时长:2680ms, 目标时长:2266ms 倍率:1.18
[DEBUG] 第0条字幕原始左偏移值: self.audio0_left_pad=300
[DEBUG] 连接音频前，配音音频总时长累计: _total_ms=11131ms , self.raw_total_time=11133ms
[DEBUG] 变速处理后，音频片段连接前， 配音总时长: 11133ms, 视频总时长: 11133ms
[DEBUG] 音频片段连接后，实际时长 11133ms, 已生成到: D:/pyVideoTrans/tmp/10000/7420d69b50/target.wav

[DEBUG] 最终合并视频前：音频时长 11133ms, 视频时长: 11133ms
[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1792399868.0339327.txt', '-i', 'novoice.mp4', '-i', 'will_embed.m4a', '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'copy', '-movflags', '+faststart', '-r', '60.0', '-fps_mode', 'cfr', 'laste_target.mp4']

根因不在翻译，而在语音识别阶段生成的 SRT 时间轴被严重压缩：日志中绝大多数行都是 目标时长:1ms 倍率:50.00，说明每条字幕的「结束时间 − 开始时间」只有 1 毫秒；同时 合并 5 个视频片段 后 实际总时长: 11133ms，即整个字幕/配音/画面时间轴只剩 11.1 秒。对齐引擎只能按 1ms 计算并对配音做 50 倍（上限）提速，画面切片也随之被压缩到 11 秒，最终就输出了 10 秒视频。

35 条字幕挤在 11 秒内，是典型的 VAD 过度切分 / 时间轴生成异常。

处理步骤

1. 先确认问题出在识别环节
打开输出目录 _video_out/你的视频名-mp4/，用记事本打开发音语言字幕（如 zh-cn.srt），看最后一条字幕的结束时间。若约等于 00:00:11，则确认是识别时间轴异常，与翻译/配音无关。

2. 恢复 VAD 默认参数（最关键）
菜单 → 工具/选项 → 高级选项 → 语音识别参数：

• 最长语音持续(VAD:max speech duration(s))：5
• 最短语音持续(VAD:min speech duration(ms))：3000
• 静音分割持续(VAD:silence duration for split(ms))：600

注意：最长语音持续(秒) × 1000 必须大于最短语音持续(毫秒)，否则切分逻辑会冲突，产生大量近 0 时长片段。

3. 关闭可能扰乱时间轴的选项

• 若勾选了 LLM纠错 下的 使用LLM重新断句替代LLM纠错，先取消，改用普通 LLM纠错（重新断句若模型返回格式不符，会破坏条数与时间轴对应关系）。
• 若软件根目录（sp.exe 所在文件夹）中手动创建过 no_resegment.txt，请删除。

4. 重新识别
回到主界面勾选 清理已生成，再点开始执行，避免复用上一步错误的时间轴缓存。

5. 附带检查对齐上限设置
高级选项 → 字幕声音画面对齐 → 音频加速最大倍数，默认应为 100。若被改成 50 等较小值，会把配音强行加速到上限，进一步恶化观感。

若按上述操作后仍出现 目标时长:1ms

暂无法确定具体原因，请提供：

1. 本次生成的发音语言 SRT 文件内容（前 3 条 + 最后 1 条的时间码）；
2. 所选语音识别渠道及模型名称、是否勾选了降噪/分离人声背景声/分离说话人；
3. 重新翻译后 logs/ 下当日日志底部约 30 行（含本次 [rubberband] 与 总时长 记录）。

请查阅相关文档：

• 调节VAD精确控制语音识别
• 优化断句效果
• 高级选项

1.时间码
1
00:00:00,300 --> 00:00:01,266
2
00:00:01,266 --> 00:00:02,533
你竟然好这口啊

3
00:00:02,533 --> 00:00:04,166
各位观众老爷们大家好啊
35
00:00:59,400 --> 00:01:01,600
这就是他从奥特曼片场带来的习惯
2.没有勾选降噪/分离人声背景声/分离说话人
3.[DEBUG] [Video-Concat] 合并 13 个视频片段 -> D:/pyVideoTrans/tmp/29192/7420d69b50/merged_video.mp4
[DEBUG] 共删除了 13 个临时视频切片
[DEBUG] 新视频连接生成完毕，实际总时长: 27403ms
[DEBUG] [音频加速] 使用12个进程，处理 35 个配音片段
[DEBUG] [rubberband]字幕0 配音时长:870ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕1 配音时长:1500ms, 目标时长:1266ms 倍率:1.18
[DEBUG] [rubberband]字幕3 配音时长:1790ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕2 配音时长:2080ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕5 配音时长:3390ms, 目标时长:3043ms 倍率:1.11
[DEBUG] [rubberband]字幕6 配音时长:2650ms, 目标时长:2305ms 倍率:1.15
[DEBUG] [rubberband]字幕4 配音时长:2820ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕8 配音时长:3190ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕7 配音时长:3440ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕9 配音时长:2410ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字
......
ms 倍率:50.00
[DEBUG] [rubberband]字幕10 配音时长:2750ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕12 配音时长:1380ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕13 配音时长:1810ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕14 配音时长:3140ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕15 配音时长:2520ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕16 配音时长:2530ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕17 配音时长:2830ms, 目标时长:2242ms 倍率:1.26
[DEBUG] [rubberband]字幕18 配音时长:1920ms, 目标时长:1538ms 倍率:1.25
[DEBUG] [rubberband]字幕19 配音时长:2340ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕20 配音时长:2250ms, 目标时长:1989ms 倍率:1.13
[DEBUG] [rubberband]字幕22 配音时长:3120ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕23 配音时长:970ms, 目标时长:933ms 倍率:1.04
[DEBUG] [rubberband]字幕24 配音时长:2720ms, 目标时长:2306ms 倍率:1.18
[DEBUG] [rubberband]字幕25 配音时长:4850ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕26 配音时长:2380ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕27 配音时长:1590ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕28 配音时长:2090ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕29 配音时长:2600ms, 目标时长:2266ms 倍率:1.15
[DEBUG] [rubberband]字幕30 配音时长:3680ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕31 配音时长:2100ms, 目标时长:1643ms 倍率:1.28
[DEBUG] [rubberband]字幕32 配音时长:2840ms, 目标时长:2303ms 倍率:1.23
[DEBUG] [rubberband]字幕33 配音时长:4160ms, 目标时长:3313ms 倍率:1.26
[DEBUG] [rubberband]字幕34 配音时长:2680ms, 目标时长:2250ms 倍率:1.19
[DEBUG] 第0条字幕原始左偏移值: self.audio0_left_pad=300
[DEBUG] 连接音频前，配音音频总时长累计: _total_ms=27397ms , self.raw_total_time=27403ms
[DEBUG] 变速处理后，音频片段连接前， 配音总时长: 27403ms, 视频总时长: 27403ms
[DEBUG] 音频片段连接后，实际时长 27403ms, 已生成到: D:/pyVideoTrans/tmp/29192/7420d69b50/target.wav

[DEBUG] 最终合并视频前：音频时长 27403ms, 视频时长: 27403ms
[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1792407616.6641102.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', 'laste_target.mp4']

问题已定位，与翻译、识别无关，在于画面切片（对齐）阶段截取失败：

• 你提供的 SRT 时间码正常（最后一条到 00:01:01,600，约 61.6 秒），内容没有缺失。
• 但日志显示：合并 13 个视频片段 ... 实际总时长: 27403ms，最终成片只有 27.4 秒。
• 同时大量 目标时长:1ms 倍率:50.00，说明这些字幕行在按时间轴从原视频截取画面时，切片时长被算成 0~1ms。对齐引擎会丢弃低于 40ms 的片段（MIN_CLIP_DURATION_MS = 40），所以 35 条字幕只有 13 个切片被成功截出，其余画面被整段丢掉，成片由此变短。
• 两次运行一次 11.1 秒、一次 27.4 秒，结果不同，这是典型的源视频时间戳/可变帧率(VFR)异常导致 FFmpeg 按时间定位（seek）不准，属切片定位失败，并非固定逻辑错误。

处理步骤（按优先级）

1. 先把原视频重新编码为标准 CFR H.264/MP4，再翻译（最可能有效）
   打开 菜单 → 工具 → 音视频格式转换，将该视频转换为 MP4（H.264 + 固定帧率 AAC），输出后用新文件重新翻译。
   这一步会把不连续的时间戳重写为规整时间轴，绝大多数切片错位由此消除。
2. 改一次帧率模式
   菜单 → 工具 → 高级选项 → 视频输出控制：把 可变帧率vfr/固定帧率cfr 切换（日志中本次为 vfr，改成 cfr 再试），并勾选 强制软编码视频？，排除硬编码干扰。

3. 减少碎片切片数量，降低失败概率
   高级选项 → 语音识别参数：

   • 最长语音持续(秒)：6（原 5 略小，1 分钟出 35 条偏碎）
   • 最短语音持续(毫秒)：3500
   • 静音分割持续(毫秒)：600
     注意：最长(6)×1000 必须大于最短(3500)，且若后续要用 clone 音色，最短不要低于 3000ms。
4. 不要复用旧缓存
   主界面勾选 清理已生成 后重新执行；同时确认未勾选 视频慢速（该功能会额外切片重编码，放大此问题）。
5. 确认源文件本身完整
   CMD 执行：ffprobe -show_streams -show_format "你的视频.mp4"，看 video 流的 duration、r_frame_rate、avg_frame_rate 是否一致，以及是否与 audio 流时长相差很大。若画面流本身时长就只有 20~30 秒，则问题在源文件。

若按上述操作（尤其是第 1 步重新编码）后仍出现 目标时长:1ms 且成片明显短于原片，请把以下内容反馈给开发者：

• 本次生成的发音语言 SRT 全文（含全部时间码）；
• ffprobe -show_streams -show_format 的完整输出；
• logs/ 当日日志中 [Video-Concat] 前后各约 40 行。

请查阅相关文档：

• 音视频格式转换与工具菜单
• 字幕语音画面对齐原理
• 调节VAD精确控制语音识别
• 高级选项

1.SRT 全文：1
00:00:00,300 --> 00:00:01,266
啊田口

2
00:00:01,266 --> 00:00:02,533
你竟然好这口啊

3
00:00:02,533 --> 00:00:04,166
各位观众老爷们大家好啊

4
00:00:04,166 --> 00:00:05,366
这里是浮云诗人

5
00:00:05,366 --> 00:00:06,733
今天我要聊的作品是

6
00:00:06,733 --> 00:00:09,466
克雷瓦提斯魔兽之王与婴儿与狮之

7
00:00:09,466 --> 00:00:11,466
勇者以下简称狮之勇者

8
00:00:11,466 --> 00:00:13,300
而这回的导演是在我们特摄

9
00:00:13,300 --> 00:00:15,000
圈内从爱尔兰到契丹无人

10
00:00:15,000 --> 00:00:17,366
不知无人不晓的田口清隆

11
00:00:17,466 --> 00:00:19,733
不了解他的朋友只需要知道一件事

12
00:00:19,733 --> 00:00:21,900
他是圆谷目前的王牌导演之一

13
00:00:22,066 --> 00:00:22,733
泽塔奥特曼和

14
00:00:22,733 --> 00:00:24,600
布莱泽奥特曼就是他拍的

15
00:00:24,600 --> 00:00:26,400
而他第一次跨界到动漫

16
00:00:26,400 --> 00:00:27,900
领域交出的这份答卷

17
00:00:27,900 --> 00:00:30,266
我个人认为是稳稳的佳作

18
00:00:30,266 --> 00:00:31,966
本座的舞台设在异世界

19
00:00:31,966 --> 00:00:33,166
而只要是异世界

20
00:00:33,
......

[DEBUG] [rubberband]字幕11 配音时长:2880ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕14 配音时长:3140ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕15 配音时长:2520ms, 目标时长:2000ms 倍率:1.26
[DEBUG] [rubberband]字幕16 配音时长:2530ms, 目标时长:2366ms 倍率:1.07
[DEBUG] [rubberband]字幕17 配音时长:2830ms, 目标时长:2266ms 倍率:1.25
[DEBUG] [rubberband]字幕18 配音时长:1920ms, 目标时长:1ms 倍率:50.00
[DEBUG] [rubberband]字幕19 配音时长:2340ms, 目标时长:2033ms 倍率:1.15
[DEBUG] [rubberband]字幕20 配音时长:2250ms, 目标时长:2000ms 倍率:1.12
[DEBUG] [rubberband]字幕21 配音时长:770ms, 目标时长:700ms 倍率:1.10
[DEBUG] [rubberband]字幕22 配音时长:3120ms, 目标时长:2633ms 倍率:1.18
[DEBUG] [rubberband]字幕23 配音时长:970ms, 目标时长:950ms 倍率:1.02
[DEBUG] [rubberband]字幕24 配音时长:2720ms, 目标时长:2316ms 倍率:1.17
[DEBUG] [rubberband]字幕25 配音时长:4850ms, 目标时长:4016ms 倍率:1.21
[DEBUG] [rubberband]字幕26 配音时长:2380ms, 目标时长:1866ms 倍率:1.28
[DEBUG] [rubberband]字幕27 配音时长:1590ms, 目标时长:1433ms 倍率:1.11
[DEBUG] [rubberband]字幕28 配音时长:2090ms, 目标时长:1900ms 倍率:1.10
[DEBUG] [rubberband]字幕29 配音时长:2600ms, 目标时长:2266ms 倍率:1.15
[DEBUG] [rubberband]字幕31 配音时长:2100ms, 目标时长:1666ms 倍率:1.26
[DEBUG] [rubberband]字幕30 配音时长:3680ms, 目标时长:2900ms 倍率:1.27
[DEBUG] [rubberband]字幕32 配音时长:2840ms, 目标时长:2316ms 倍率:1.23
[DEBUG] [rubberband]字幕33 配音时长:4160ms, 目标时长:3333ms 倍率:1.25
[DEBUG] [rubberband]字幕34 配音时长:2680ms, 目标时长:2266ms 倍率:1.18
[DEBUG] 第0条字幕原始左偏移值: self.audio0_left_pad=300
[DEBUG] 第0条字幕需恢复偏移值:_start_time=300
[DEBUG] 连接音频前，配音音频总时长累计: _total_ms=50657ms , self.raw_total_time=50666ms
[DEBUG] 变速处理后，音频片段连接前， 配音总时长: 50666ms, 视频总时长: 50666ms
[DEBUG] 音频片段连接后，实际时长 50666ms, 已生成到: D:/pyVideoTrans/tmp/29192/d1bee127ab/target.wav

[DEBUG] 最终合并视频前：音频时长 50666ms, 视频时长: 50666ms
[DEBUG] [最终视频合成]copy模式，无需重新编码:
['-y', '-progress', 'compose1792408453.7414682.txt', '-i', 'novoice.mp4', '-i', 'will_embed.m4a', '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'copy', '-movflags', '+faststart', '-r', '60.0', '-fps_mode', 'cfr', 'laste_target.mp4']

结论：问题不在翻译；真正的原因是对齐阶段把部分字幕行的“可用时长”算成了 1 毫秒。

依据你的日志：

• 你贴的 SRT 时间码正常，末条一直到 61.6 秒，内容连续无缺失；
• 本次音频与视频总时长一致（50666ms / 50657ms），说明合成阶段没有截断错误；
• 但成片只有 50.6 秒，比原片 61.6 秒少约 11 秒，同时存在多条 目标时长:1ms 倍率:50.00（字幕 11、14、18 等）。

对齐引擎会按每条字幕的“目标时长”重新排布时间轴。这些被算成 1ms 的行，其配音会被强行加速到上限 50 倍（剩约 20ms），对应画面切片也因低于 40ms 被直接丢弃，于是时间轴整体从 61.6 秒压到 50.6 秒。画面并没有被删除，而是这些片段的定位时长算错了，被丢弃了。这是 v4.16 对齐逻辑的缺陷，不是你的操作问题。

立即规避（按顺序做，前 3 步最有效）

1. 关掉静音移除（最可能消除 1ms）
   菜单 → 工具/选项 → 高级选项 → 字幕配音：

   • 取消勾选 移除每条字幕配音开头结尾静音缓冲
   • 取消勾选 移除每条字幕配音全部静音缓冲
   • 静音移除力度 设为 low
     这些选项会缩短配音并重算时间轴，容易把相邻字幕的可用窗口挤压成 0~1ms。
2. 修正加速上限
   高级选项 → 字幕声音画面对齐 → 音频加速最大倍数：当前被设成了 50，改回默认 100。
3. 给相邻字幕留出间隙
   打开 _video_out/你的视频名-mp4/zh-cn.srt，把每一行的结束时间统一提前约 150ms，保证下一条开始时间与上一条结束时间不重叠、且留有空隙（例如 00:00:19,733 改为 00:00:19,580）。
   改动后回主界面，不要勾选 清理已生成，直接重新执行，让软件使用你改过的 SRT。
   （也可以在单视频模式下，在弹出的字幕编辑窗口逐条调整，但改文件更快。）

4. A/B 验证，确认故障环节
   用主界面右侧的 导入发音语言字幕 直接导入上一步修正后的 SRT，跳过语音识别再跑一次：

   • 若不再出现 目标时长:1ms → 问题在“识别结果 → 对齐”这段内部处理；
   • 若仍出现 → 问题在“对齐引擎”本身。
     这个结果对定位缺陷很关键。

5. 其他确认项

   • 不要勾选 视频慢速（会额外切片重编码，放大此问题），只用 音频加速；
   • 主界面勾选 清理已生成 时，注意它会删除你手工改过的 SRT，改好的字幕不要放在会被清理的目录里重跑。

补充说明：你的原识别结果还有断句与错别字问题（如第 9、10 条被切断、个别词识别错），可选中 LLM纠错（不要选 使用LLM重新断句替代LLM纠错）改善，但这与本次画面变短无关。

若按第 1~3 步操作后，成片时长与 目标时长:1ms 现象依旧
请把以下三样直接反馈开发者（这是明确的 v4.16 缺陷证据）：

• 完整 SRT 原文（含全部时间码）
• logs/ 当日日志中 [Video-Concat] 前后各约 40 行
• CMD 执行 ffprobe -show_streams -show_format "你的视频.mp4" 的完整输出

临时可用替代：若有旧版本（如 v4.14 安装包）可先用于该视频，或将该视频先用 菜单 → 工具 → 音视频格式转换 重编码为标准 H.264/MP4 固定帧率再翻译，部分情况下可减轻切片定位偏差。

请查阅相关文档：

• 字幕语音画面对齐原理
• 高级选项
• 音画字幕对齐原理
• 调节VAD精确控制语音识别