pyVideoTrans

Appearance

优化断句效果 ​

语音识别后的字幕断句效果直接影响最终翻译质量。本文介绍如何调整参数以获得最佳断句效果。

一、模型选择 ​

不同语言有不同的最佳模型：

语言推荐模型说明
英语faster-whisper large-v3英语识别效果最佳
中文Qwen-ASR / FunASR中文效果极佳
日语openai-whisper large-v3日语识别效果好
小语种openai-whisper large-v3通用模型，支持数十种语言

二、参数调整 ​

语音时长参数 ​

参数位置默认值说明
最长语音持续(秒)高级选项 → 语音识别6超过此时长强制分割
最短语音持续(毫秒)高级选项 → 语音识别3000小于此值尝试合并到相邻字幕
静音分割持续毫秒高级选项 → 语音识别140只在大于此值的静音处分割

调整建议：

  • 需要更短的字幕：减小「最长语音持续秒数」（如 3-4 秒）
  • 需要更长的字幕：增大「最长语音持续秒数」（如 8-10 秒）
  • 合并更多短字幕：增大「最短语音持续毫秒」（如 4000）

VAD 参数 ​

参数位置说明
选择VAD高级选项 → 语音识别silero（默认）或 tenvad
语音阈值高级选项 → 语音识别越小越灵敏，可能误将噪声视为语音

其他参数 ​

参数位置说明
Whisper预分割音频高级选项 → 语音识别使用 clone 角色时建议选中
合并过短字幕到邻近高级选项 → 语音识别选中后合并短字幕
二次识别主界面配音后再次识别，生成更精准的时间轴

三、降噪与人声分离 ​

如果视频有背景音乐或噪声：

  1. 点击「设置更多参数」
  2. 勾选「分离人声背景声」
  3. 可选：勾选「重新嵌入背景声」将分离的背景声重新加入

💡 分离人声后识别效果会显著提升，尤其是背景音乐较大的视频。

四、单视频交互编辑 ​

使用单视频模式时，可以在每个阶段暂停并手动编辑：

  1. 语音识别完成后 → 弹出字幕编辑窗口
  2. 翻译完成后 → 弹出翻译字幕编辑窗口
  3. 配音完成后 → 弹出配音结果编辑窗口

每个窗口都有倒计时（默认30秒），超时后自动保存并继续。点击「停止倒计时」可暂停。

五、LLM 重新断句 ​

如果识别出的字幕断句不理想，可以使用 LLM 重新断句：

  1. 在主界面选择「LLM重新断句」
  2. 在高级选项中配置 LLM 渠道（支持 OpenAI-ChatGPT 或 DeepSeek）
  3. 设置「LLM重新断句每批字幕行数」（默认20条）

⚠️ 使用 clone 角色时不建议使用 LLM 重新断句，因为会打乱时间轴。

相关文档 ​