#8292 语音识别阶段出错[openai-whisper(内置)] NoneTraceback (most recent call last):

这是 openai-whisper 渠道的模型文件缺失或下载损坏导致的。openai-whisper(内置) 首次使用需从 openaipublic.azureedge.net 下载 large-v3-turbo.pt（约 1.6GB），国内网络下极易失败或不完整；失败时底层抛出空异常，因此报错信息只显示 VideoTransError: None（报错位置 _whisper.py 的 _openai 正是模型加载环节）。

解决方案（二选一）

方案 A：手动下载模型文件（保留 openai-whisper）

1. 用浏览器下载 large-v3-turbo.pt：
   https://openaipublic.azureedge.net/main/whisper/models/aff26ae408abcba5fbf8813c21e62b0941638c5f6eebfb145be0c9839262a19a/large-v3-turbo.pt
2. 将该 .pt 文件直接放到软件目录 D:/win-pyvideotrans-v4.16-1/models/ 内（不要建子文件夹，文件名保持 large-v3-turbo.pt）
3. 重新执行任务，务必勾选清理已生成

方案 B：改用 faster-whisper（推荐，软件默认渠道）

1. 语音识别渠道下拉改为 faster-whisper(内置)，模型选 large-v3-turbo
2. 若也提示下载失败，手动下载整个模型目录覆盖到：
   D:/win-pyvideotrans-v4.16-1/models/models--mobiuslabsgmbh--faster-whisper-large-v3-turbo
   下载地址：https://huggingface.co/mobiuslabsgmbh/faster-whisper-large-v3-turbo/tree/main
3. 重新执行任务并勾选清理已生成

其他排查点

• 你同时勾选了降噪，若降噪模型（onnx）也缺失同样会中断，可先取消降噪测试一次，以隔离问题。
• 原始文件含空格与符号，虽不必然致错，建议临时改名为 test.mp4 试跑一次。
• 若按上述操作后仍报 VideoTransError: None，请提供 D:/win-pyvideotrans-v4.16-1/logs/ 下最新日志文件底部约 30 行。

请查阅相关文档：

• openai-whisper(本地内置)
• faster-whisper(本地内置)
• 手动下载模型

取消勾选 启用CUDA加速后成功了，3.75版本就可以正常使用勾选 启用CUDA加速

v3.75 与 v4.16 打包使用的 PyTorch/CUDA 运行时不同：v4.16 的 CUDA 加速绑定 CUDA 12.8 + cuDNN 9.11，而 v3.75 是旧 CUDA 版本。勾选加速后子进程在初始化 CUDA 时直接崩溃（因此异常被吞成 VideoTransError: None，发生在 _new_process 子进程入口），取消勾选后走 CPU 就正常。

按以下顺序排查：

1. 确认驱动/环境是否满足 v4.16 要求

• CMD 执行 nvidia-smi，右上角显示的 CUDA Version 必须 ≥ 12.8（只是驱动支持上限，不代表已装工具包）
• 执行 nvcc -V 查看是否安装 CUDA Toolkit 12.8+
• 必须安装 cuDNN 9.11+，并把其 bin 与 lib 目录加入系统环境变量 Path
• 驱动过旧是 v3.75 能跑、v4.16 不能跑的最常见原因，先去 NVIDIA 官网更新显卡驱动

2. 排除显存不足
openai-whisper 默认 float32 计算，large-v3-turbo 在 openai-whisper 下显存占用明显高于 faster-whisper，显存不足会直接导致子进程硬崩溃并表现为 None。

• 临时把模型降为 medium 或 small，勾选加速再试一次
• 若 medium 能加速成功，则确认是显存问题

3. 改用 faster-whisper（推荐，比 openai-whisper 更省显存）

• 语音识别渠道改为 faster-whisper(内置)，模型 large-v3-turbo，勾选 启用CUDA加速
• 进入 菜单 → 工具 → 高级选项 → 语音识别参数，将 计算数据类型(Compute data type) 设为 float16（GPU 用）或 int8（最省显存），并把 识别准确度beam_size、best_of 调为 1

4. 若仍报错
目前的 None 是最外层包装异常，看不到真实底层原因。请提供：

• logs/ 目录下最新日志文件底部约 30 行（文件日志级别为 DEBUG，会记录 CUDA 初始化真实错误）
• nvidia-smi 与 nvcc -V 的输出

补充说明：不勾选 CUDA 用 CPU 跑 openai-whisper large-v3-turbo 耗时通常是 GPU 的数倍，若你的显卡驱动确实只能停留在旧版本，建议直接用 faster-whisper + CUDA，或维持 CPU 方案。

请查阅相关文档：

• Windos上配置CUDA和cuDNN
• faster-whisper(本地内置)
• openai-whisper(本地内置)

NVIDIA-SMI 617.42 KMD Version: 617.42 CUDA UMD Version: 13.4 |

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2026 NVIDIA Corporation
Built on Fri_Apr_24_19:26:09_Pacific_Daylight_Time_2026
Cuda compilation tools, release 13.3, V13.3.33
Build cuda_13.3.r13.3/compiler.37862127_0

从你提供的版本看，CUDA 编译器 13.3 和驱动 617.42 已满足 v4.16 的要求（软件绑定 12.8，理论兼容 12.8+ 及 13.x），所以并非「CUDA 版本太低」。v3.75 能加速、v4.16 不能，最可能是以下三种之一（按概率排序）：

1. cuDNN 缺失或版本不符（最常见）
PyTorch 的 CUDA 卷积/注意力算子依赖 cuDNN 9.11+，nvcc -V 只能证明 CUDA Toolkit 存在，不能证明 cuDNN 已安装。

• 检查是否真的存在：在 CMD 执行
  where /r "C:\Program Files\NVIDIA" cudnn64_9.dll
  以及
  where /r "C:\Program Files\NVIDIA GPU Computing Toolkit" cudnn64_9.dll
• 若搜不到，说明 cuDNN 未装或版本低于 9。请到 NVIDIA 官网下载 cuDNN 9.11+ for CUDA 12.x，解压后把 bin、lib、include 分别合并进 CUDA 的对应目录，并把 bin 与 lib 追加到系统 Path，重启电脑后再试。

2. 系统 CUDA 13.3 的 DLL 与软件内置 CUDA 12.8 运行时冲突
v4.16 打包版 _internal 内自带 CUDA 12.8 的运行库。若系统 Path 中 ...\CUDA\v13.3\bin 排在前面，子进程会优先加载 13.x 的 cudart/cublas，与内置 torch 不匹配，直接硬崩溃——外层的 _openai 只抛出 VideoTransError: None，与你看到的报错完全吻合。

• 快速验证：把 Path 中所有 CUDA\v13.3\bin、CUDA\v13.3\libnvvp 条目临时删除（先记录原值以便恢复），重启软件，勾选 CUDA 加速跑一个 1 分钟内的短视频。
• 如果这样可以跑通，说明就是 DLL 冲突，长期方案是保留 cuDNN、移除 13.3 的 bin 条目，或改用源码部署并自行锁定 torch 版本。

3. 显存不足
openai-whisper 在 GPU 上默认 fp16，large-v3-turbo 加载后约需 5~6GB 可用显存。若显存被其他程序（浏览器、播放器）占用，也会在初始化时被吞成 None。

• 用 nvidia-smi 查看当前显存占用，关闭占用程序。
• 临时把模型降到 medium 勾选加速测试：若 medium 成功、turbo 失败，即可确认是显存问题。

建议同时做的一步（绕开 openai-whisper 的坑）
改用 faster-whisper(内置) + large-v3-turbo，并进入 菜单 → 工具 → 高级选项 → 语音识别参数，把 计算数据类型(Compute data type) 改为 float16（GPU）或 int8（最省显存），beam_size、best_of 设为 1。faster-whisper 显存占用明显低于 openai-whisper，对 CUDA 环境的容错也更好。

若上述均无效
VideoTransError: None 是最外层包装异常，看不到底层真实错误。请提供：

1. D:/win-pyvideotrans-v4.16-1/logs/ 下最新日志文件底部约 30 行（文件日志为 DEBUG 级别，会记录 CUDA/cuDNN 初始化失败的真实原因）
2. where /r "C:\Program Files\NVIDIA GPU Computing Toolkit" cudnn64_9.dll 的执行结果
3. nvidia-smi 输出中显存总量与当前占用

请查阅相关文档：

• Windos上配置CUDA和cuDNN
• faster-whisper(本地内置)

C:\Users\Administrator.YJYZYPC>where /r "C:\Program Files\NVIDIA" cudnn64_9.dll
C:\Program Files\NVIDIA\CUDNN\v9.25\bin\13.4\arm64\cudnn64_9.dll

C:\Users\Administrator.YJYZYPC>where /r "C:\Program Files\NVIDIA GPU Computing Toolkit" cudnn64_9.dll
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.3\bin\13.4\arm64\cudnn64_9.dll

核心原因已经确定：你系统里只有 arm64 架构的 cuDNN，没有 x64 版本。cudnn64_9.dll 的路径都带有 \13.4\arm64\ 子目录，而 pyVideoTrans 是 x64 程序，无法加载 ARM64 的 DLL，因此 CUDA 加速在初始化时直接失败，错误被外层包装成了 VideoTransError: None。这也是 v3.75 能加速而现在不能的原因：你后来安装的 cuDNN 9.25 是给 Windows ARM64 的包，覆盖或清掉了原有的 x64 版本。

验证（先确认没有 x64 版本）

CMD 执行：

where /r "C:\Program Files\NVIDIA" cudnn64_9.dll | findstr /v arm64

如果没有任何输出，即可确认系统中缺少 x64 版 cuDNN。

解决步骤

1. 去 https://developer.nvidia.com/cudnn-downloads 下载 Windows (x86_64) 版本（不要选 Windows arm64），版本要求 9.11 及以上、对应 CUDA 12.x 的 Tarball(zip) 或 Local Installer。
2. 安装后确认 x64 DLL 存在，路径应类似：

C:\Program Files\NVIDIA\CUDNN\v9.xx\bin\12.x\x64\cudnn64_9.dll

（关键看最后一层是 x64 而不是 arm64）

3. 把该 x64 目录（或 zip 解压后的 bin 目录）追加到系统环境变量 Path，并确保它排在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.3\bin 之前——因为你系统装的是 CUDA 13.3，而 v4.16 打包版内置的是 12.8 运行时，让 13.3 的 bin 优先会导致 cudart/cublas 版本错配，同样表现为 None。若加完后仍失败，直接把 CUDA\v13.3\bin 从 Path 中临时移除再试。
4. 重启电脑（Path 变更对已运行进程无效），重新打开软件，勾选 启用CUDA加速，用一个 1 分钟内的短视频测试。

备选方案

如果暂时不想折腾 cuDNN，可改用 faster-whisper(内置) + large-v3-turbo，并在 菜单 → 工具 → 高级选项 → 语音识别参数 中把 计算数据类型 设为 float16、beam_size 与 best_of 设为 1，显存占用比 openai-whisper 低很多。但请注意：faster-whisper 依赖 ctranslate2，其 CUDA 版同样需要 x64 cuDNN 9，所以 cuDNN 的 x64 问题仍需解决，只是容错更好。

若修复后仍报错

请提供 D:/win-pyvideotrans-v4.16-1/logs/ 下最新日志文件底部约 30 行（文件日志为 DEBUG 级别，会记录 cudnn/cuda 初始化失败的真实错误），以及上面 findstr /v arm64 的执行结果。

请查阅相关文档：

• Windos上配置CUDA和cuDNN
• faster-whisper(本地内置)
• openai-whisper(本地内置)