#8489 没找到

无法判断您具体在查找什么选项或功能（仅凭"没找到"和一张界面截图无法确定目标）。

请补充说明：

1. 您想找的具体选项/按钮名称是什么？
2. 您当前处于哪个界面（主界面 / 高级选项 / 某一渠道的设置窗口）？
3. 软件版本号（主界面左上角或菜单处可见 v4.xx）。

若该选项在文档中存在但界面未显示，常见原因：

• 主界面参数被隐藏：菜单 → 工具/选项 → 高级选项 → 通用设置，勾选 主界面显示所有参数?。
• 选项需满足前置条件才出现（例如"删字幕间静音""对齐字幕声音"仅在未勾选"配音加速"和"视频慢速"时显示；配音角色列表需先选择"目标语言"）。
• 版本过旧，该功能为较新版本新增，请升级到最新版。

japanese-wav2vec2-large

该模型属于 Huggingface_ASR(内置) 语音识别渠道下的日语模型，完整名称为 reazon-research/japanese-wav2vec2-large-rs35kh，它不在主界面直接显示，须先切换到对应渠道后才会出现。

1. 主界面第 2 行 语音识别 下拉框，选择 Huggingface_ASR(内置)。
2. 此时右侧 识别模型 下拉框会刷新，在其中查找 reazon-research/japanese-wav2vec2-large-rs35kh（日语）；同一渠道还有 kotoba-tech/kotoba-whisper-v2.0（日语）可选。
3. 发音语言 明确选择 日语。
4. 若下拉框中确实没有该模型，说明版本过旧，请升级到最新版本后再查看；另外该渠道“只要 CUDA 可用，就优先使用 CUDA”，无需额外勾选也可尝试使用 GPU。

如需手动下载（自动下载失败时）：

• 下载地址：https://huggingface.co/reazon-research/japanese-wav2vec2-large-rs35kh/tree/main
• 存放位置：软件目录/models/models--reazon-research--japanese-wav2vec2-large-rs35kh（软件目录 指 sp.exe 所在文件夹，把模型名中的 / 换成 --）
• 下载后务必保持文件名不变；浏览器自动加上的 (1) 等后缀需改回原名，否则软件无法识别。

请查阅相关文档：

• 全部语音识别渠道说明
• 模型下载地址和手动下载方法

语音识别参数如何设置 对应2小时日语视频

2 小时日语视频的核心矛盾是耗时长、显存与磁盘易爆，参数需在“不切碎”与“不堆长句”之间取平衡，并尽量少用纯 CPU 重处理。

一、渠道与模型（先定这一层，参数才有意义）

1. 语音识别渠道：首选 openai-whisper(内置) + large-v3（日语通用效果最好）；次选 Nemotron-3.5-asr-0.6b(内置)；日语专用可选 Huggingface_ASR(内置) → reazon-research/japanese-wav2vec2-large-rs35kh 或 kotoba-tech/kotoba-whisper-v2.0。
2. 发音语言 明确选 日语，不要用“自动检测”。
3. 有 N 卡则勾选 CUDA加速。2 小时视频用 CPU 跑 large-v3 可能需数小时。

二、菜单 → 工具/选项 → 高级选项 → 语音识别参数

三、主界面「设置更多参数」

1. 降噪：建议勾选（纯 CPU，2 小时耗时明显但可接受）。
2. 分离人声背景声：2 小时视频不建议勾选。该功能纯 CPU 运算极慢，2 小时素材可能耗时数小时且产生大量临时文件。若确需背景音，先用 UVR5 等 GPU 工具外部分离，再把 vocal.wav、instrument.wav 放入 _video_out/视频名-mp4/ 目录并勾选相关选项。
3. 识别说话人：仅单视频模式生效，2 小时视频开启会显著加长耗时，非多角色访谈不建议开启。

四、字幕长度（顺带调整，否则日语字幕会溢出屏幕）

高级选项 → 字幕声音画面对齐：

• 中日韩字幕单行字符数：15～20（日语属中日韩，此项生效）

五、2 小时长任务的三个必须注意点

1. 磁盘空间：视频慢速、人声分离会产生大量临时切片，请确保软件所在盘剩余空间 ≥ 原视频体积的 3～5 倍；中断后手动清空软件目录下 tmp/ 文件夹。
2. 别开双字幕：若启用 使用LLM重新断句替代LLM纠错，禁止同时嵌入双字幕（字幕条数会不匹配）。
3. 不要中途关软件：子进程池会被回收，长任务中断后需从头再来；可勾选 完成后关机 后放着跑。

六、若结果不理想（微调方向）

• 字幕太碎 → 调大 最短语音持续(毫秒) 至 3000、静音分割持续毫秒 至 700。
• 字幕太长 → 调小 最长语音持续(秒) 至 4。
• 出现大段重复/幻觉 → 关闭上下文感知、调大 重复惩罚、降低 文本压缩率、上调 非语音阈值。
• 识别漏字多 → 换 large-v3、开启 降噪、补齐 热词。

请查阅相关文档：

• 全部语音识别渠道说明
• 调节VAD精确控制语音识别
• 优化断句效果
• 最佳配置推荐
• 导入本地字幕或人声

16G显存 2小时日语视频 最优搭配是什么？

16G 显存的定位：足以运行 large-v3（约需 8GB），并可留出其他并发显存；但不足以安全启用 VibeVoice-ASR（24G 以上用于说话人分离）。因此“最优”指日语识别质量优先，同时 2 小时长任务不中途崩溃的配置。

一、主界面四行（核心搭配）

不用 VibeVoice-ASR：它需 >15G 显存流畅运行，2 小时长音频下余量过小，且对长句会产生 10–40s 超长句子。

二、高级选项 → 语音识别参数

三、高级选项 → 字幕相关

• 字幕声音画面对齐 → 中日韩字幕单行字符数：15～20
• 字幕翻译 → AI翻译渠道每批字幕行数：100（DeepSeek 上下文足够）
• 字幕配音 → 移除每条字幕配音开头结尾静音缓冲 勾选（利于对齐）
• 视频输出 → 264编码、输出质量控制 23～25

四、主界面「设置更多参数」

• 降噪：勾选（纯 CPU，2 小时有耗时，但利大于弊）

• 分离人声背景声：不勾选（纯 CPU 处理 2 小时素材可能数小时，并产生巨量临时文件）

  • 若必须有背景音：先用 UVR5 等 GPU 工具外部分离，输出 vocal.wav / instrument.wav 放入 _video_out/视频名-mp4/，再勾选“分离人声背景声”和“重新嵌入背景声”
• 识别说话人：不勾选（仅单视频模式生效，2 小时会大幅加时）
• default 标点：保持默认

五、2 小时长任务的硬性注意

1. 磁盘空间：软件所在盘留出 ≥ 原视频体积 3～5 倍。中断后手动清空 软件目录/tmp/。
2. 不要中途关闭软件：子进程池会被回收，长任务需从头再来；可勾选 完成后关机 后放着跑。
3. 不要同时开多个 sp.exe 实例：共享同一 tmp 目录，会互相清空报错。
4. 文件名与路径：改成简短的英文/数字（如 jp01.mp4），放浅层目录，避免 ffmpeg 路径过长报错。

六、显存不足或中途报错的回退顺序

CUDA out of memory 或 BrokenProcessPool 时：

1. 计算数据类型 → 保持 float16，仍失败改 int8
2. beam_size / best_of → 降为 1
3. 换 faster-whisper + large-v3（显存占用更低）
4. 再不行换 large-v3-turbo（显存更低，日语质量略降）
5. 高级选项 → 通用设置 → GPU同时任务数 = 1

请查阅相关文档：

• 全部语音识别渠道说明
• 最佳配置推荐
• 调节VAD精确控制语音识别
• 优化断句效果
• Windos上配置CUDA和cuDNN
• 音画字幕对齐原理