#8422 语音识别阶段出错[faster-whisper(本地内置)] No transcription results returned. Please check the original audio/video or model and try

125.67**4 Posted at: 1 hour ago

语音识别阶段出错[faster-whisper(本地内置)] No transcription results returned. Please check the original audio/video or model and try again.
info=TranscriptionInfo(language='en', language_probability=1, duration=97.5470625, duration_after_vad=0.0, all_language_probs=None, transcription_options=TranscriptionOptions(beam_size=5, best_of=5, patience=1, length_penalty=1, repetition_penalty=1.0, no_repeat_ngram_size=0, log_prob_threshold=-1.0, no_speech_threshold=0.6, compression_ratio_threshold=2.4, condition_on_previous_text=False, prompt_reset_on_temperature=0.5, temperatures=[0.0, 0.2, 0.4, 0.6, 0.8, 1.0], initial_prompt=None, prefix=None, suppress_blank=True, suppress_tokens=(1, 2, 7, 8, 9, 10, 14, 25, 26, 27, 28, 29, 31, 58, 59, 60, 61, 62, 63, 90, 91, 92, 93, 359, 503, 522, 542, 873, 893, 902, 918, 922, 931, 1350, 1853, 1982, 2460, 2627, 3246, 3253, 3268, 3536, 3846, 3961, 4183, 4667, 6585, 6647, 7273, 9061, 9383, 10428, 10929, 11938, 12033, 12331, 12562, 13793, 14157, 14635, 15265, 15618, 16553
......
, 3846, 3961, 4183, 4667, 6585, 6647, 7273, 9061, 9383, 10428, 10929, 11938, 12033, 12331, 12562, 13793, 14157, 14635, 15265, 15618, 16553, 16604, 18362, 18956, 20075, 21675, 22520, 26130, 26161, 26435, 28279, 29464, 31650, 32302, 32470, 36865, 42863, 47425, 49870, 50254, 50258, 50359, 50360, 50361, 50362, 50363), without_timestamps=False, max_initial_timestamp=1.0, word_timestamps=True, prepend_punctuations='"\'“¿([{-', append_punctuations='"\'.。,,!!??::”)]}、', multilingual=False, max_new_tokens=None, clip_timestamps=[0.0], hallucination_silence_threshold=None, hotwords=''), vad_options=VadOptions(threshold=0.5, neg_threshold=None, min_speech_duration_ms=0, max_speech_duration_s=inf, min_silence_duration_ms=140, speech_pad_ms=400))
cfg=TaskCfgSTT(uuid='1aef3e77cb', name='D:/BaiduNetdiskDownload/吃饱了就想玩/吃饱了就想玩/jjazzlab/如何用 JJazzLab 在 60 秒内制作伴奏音轨_720p.mp4', dirname='D:/BaiduNetdiskDownload/吃饱了就想玩/吃饱了就想玩/jjazzlab', noextname='如何用 JJazzLab 在 60 秒内制作伴奏音轨_720p', basename='如何用 JJazzLab 在 60 秒内制作伴奏音轨_720p.mp4', ext='mp4', target_dir='D:/BaiduNetdiskDownload/pyVideoTrans/win-pyvideotrans-v4.07/output/recogn', cache_folder='D:/BaiduNetdiskDownload/pyVideoTrans/win-pyvideotrans-v4.07/tmp/29788/1aef3e77cb', is_cuda=True, source_language=None, source_language_code=None, source_sub=None, source_wav=None, source_wav_output=None, target_language=None, target_language_code=None, target_sub='D:/BaiduNetdiskDownload/pyVideoTrans/win-pyvideotrans-v4.07/output/recogn/如何用 JJazzLab 在 60 秒内制作伴奏音轨_720p.srt', target_wav=None, target_wav_output=None, detect_language='en', recogn_type=0, model_name='large-v3-turbo', shibie_audio='D:/BaiduNetdiskDownload/pyVideoTrans/win-pyvideotrans-v4.07/tmp/29788/1aef3e77cb/如何用 JJazzLab 在 60 秒内制作伴奏音轨_720p-1792811908.54429.wav', remove_noise=False, enable_diariz=False, nums_diariz=0, rephrase=0, fix_punc=0)


=
system:Windows-10-10.0.26100-SP0
version:v4.07
frozen:True
language:zh
root_dir:D:/BaiduNetdiskDownload/pyVideoTrans/win-pyvideotrans-v4.07

1 Replies

#1 DeepSeek reply at 1 hour ago

核心原因已定位:日志中的关键字段是 duration=97.55, duration_after_vad=0.0。也就是说,音频总长 97 秒,但 VAD(语音活动检测)判定 有效人声时长 0 秒,整段音频都被当成静音或噪音过滤了,因此 Whisper 拿不到任何语音片段,直接返回“无结果”。

请按以下顺序排查,其中多数问题来自配置错误,并非模型损坏:

  1. 确认视频里真的有人声说话
    该文件是 JJazzLab 伴奏制作教程,很可能是纯 BGM 或人声极小的演示。本地用播放器完整播放确认。如果全程无人声说话,本软件无法处理(仅背景音乐的视频不适用)。
  2. 检查发音语言是否选错
    日志显示 detect_language='en',但该视频标题为中文,内容大概率是中文讲解。在“语音转录”界面把发音语言改为 中文(或 自动检测)后重试。语言与音频不符会直接影响 VAD 与识别判定。
  3. 恢复被改动的 VAD 参数
    日志中 vad_options 显示 min_silence_duration_ms=140,说明“静音分割持续毫秒”被设为了 140。这个值对讲解类长句过于激进,极易把整段语音切碎并丢弃。
    打开 菜单 → 工具/选项 → 高级选项 → 语音识别参数:

    • 语音阈值 调低至 0.3 ~ 0.35(更灵敏,宁可误判噪声为语音)
    • 静音分割持续毫秒 恢复为默认 600
    • 最短语音持续(毫秒) 恢复为 3000
    • 最长语音持续(秒) 设为 5
  4. 降低音频门槛
    在主界面点击 设置更多参数,勾选 降噪,或勾选 分离人声背景声(该视频有强伴奏音乐,人声易被音乐淹没,分离后识别率会明显提升)。
  5. 规范文件路径(重要)
    当前路径为 D:/BaiduNetdiskDownload/吃饱了就想玩/吃饱了就想玩/jjazzlab/如何用 JJazzLab 在 60 秒内制作伴奏音轨_720p.mp4,含中文、空格、下划线且层级很深。建议重命名为 test1.mp4 并放到 D:/videos/ 这类浅层纯英文目录后重试,可避免大量隐蔽的音频提取或解码异常。
  6. 若仍失败,更换识别渠道验证
    中文内容建议改用 Qwen-ASR(内置) 或 阿里FunASR(内置) 渠道测试;或把模型从 large-v3-turbo 换成 large-v3 重试。

补充说明:你的版本为 v4.07,建议升级到最新版再测试,新版对 VAD 切分算法做过优化。

如果完成以上步骤后仍报同样的 duration_after_vad=0.0,请提供 logs/ 目录下最新日志文件中该任务前后的完整段落,以便进一步分析是否为音频解码问题。

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