#8794 最新版本相比于旧版(v4.03) 在语音识别阶段cpu占用变低了,同时速度也变慢了怎么办

2409**4d75 Posted at: 2 days ago

最新版本相比于旧版(v4.03) 在语音识别阶段cpu占用变低了,同时速度也变慢了怎么办

1 Replies

#1 DeepSeek reply at 2 days ago

知识库中未记录 v4.03 → v4.18 之间语音识别阶段性能变化的具体原因,也无法据此断定“CPU 占用降低、速度变慢”的确切根因。但可依据现有文档给出排查与提速方向,请按顺序核对:

1. 先确认加速设备是否还在生效

  • 若你有 NVIDIA 显卡,请确认主界面已勾选 CUDA加速,且驱动、CUDA 12.8、cuDNN 9 均正常;旧版可能正常调用 GPU,新版若回退到 CPU 会显著变慢。
  • 检查 菜单 → 工具/选项 → 高级选项 → 通用设置 中的 GPU同时任务数、CPU同时任务数[重启生效] 是否被改动(GPU 建议 1)。

2. 检查是否被默认开启了额外流程

  • LLM纠错:若选中,识别完成后会把字幕再发给在线 AI(默认 DeepSeek)修正,属于纯网络额外耗时,会明显拉长整体时间。不需要时请取消勾选。
  • 二次语音识别:仅影响配音后阶段,但也会增加整体耗时。
  • 降噪、分离人声背景声:这两个均为纯 CPU 计算,开启后速度会显著下降。

3. 调整语音识别参数提速(高级选项 → 语音识别参数)

  • 计算数据类型:改为 int8(最省资源、最快)或 float16(适合 GPU)。
  • 识别准确度beam_size:由 5 调为 1。
  • 识别准确度best_of:由 5 调为 1。
  • 取消 启用上下文感知,可减少 GPU/CPU 消耗并降低重复与幻觉。
  • 模型从 large-v3 换成 large-v3-turbo(速度与质量兼顾)。

4. 检查 VAD 切分参数是否导致切片串行时间变长
v4.12 起对 VAD 切分算法做过调整,并移除了 whisper预分割音频、合并邻近短字幕。若切片变少、单段变长,会出现 CPU 占用不高但整体更慢的现象。可在 高级选项 → 语音识别参数 核对:

  • 选择VAD(默认 silero,可试 tenvad)
  • 语音阈值、非语音阈值
  • 最长语音持续(秒)、最短语音持续(毫秒)、静音分割持续毫秒

5. 其它已知影响因素

  • 新版采用独立子进程池,单次 AI 运算后子进程会被回收重建(maxtasksperchild=1),因此启动与调度开销比旧版高,这是设计上为防止显存/内存泄漏,无法关闭。
  • 若开启了 降噪模型 选 zipenhancer 或 分离背景声模型 选 mel_band_roformer,会走 audio.cpp 增强流程,反而更慢。

若以上核对后仍明显慢于 v4.03,暂无法确定具体原因。请提供软件安装目录下 logs/ 文件夹中最新的日志文件(复制底部约 30 行报错或耗时信息),并说明:软件版本号、操作系统、是否源码部署、显卡型号、所选用识别渠道与模型、CUDA 是否勾选。

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