pyVideoTrans

Appearance

pyVideoTrans 常见问题与解决方案 ​

为了帮助您更好地使用 pyVideoTrans，我们整理了以下常见问题及其解决方案。

在 菜单栏--帮助/关于 中有很多链接，比如模型下载地址、CUDA配置等，遇到问题时可尝试点开使用。

image.png

如何查看日志：软件根目录下的 logs/ 文件夹有按日期命名的 .log 日志文件。报错时可复制日志底部约 30 行内容寻求帮助。

如何恢复出厂设置：删除 videotrans/ 目录下的 cfg.json、params.json、codec.json、ass.json 四个文件，重启软件即可。

第一部分：安装与启动问题 ​

1. 双击 sp.exe 后，软件无法打开或长时间没有反应？ ​

这通常是正常现象，请不要着急。

  • 原因：本软件基于 PySide6 开发，主界面包含较多组件，首次加载时需要初始化，这会消耗一些时间。根据您的电脑性能，启动时间可能在 5秒到2分钟 不等。
  • 解决方案：
    1. 耐心等待：双击后请耐心等待一段时间。
    2. 检查安全软件：部分杀毒软件或安全卫士可能会阻止程序启动，请尝试暂时关闭它们，或将本软件添加到信任/白名单中。
    3. 检查文件路径：确保软件存放的路径只包含英文和数字，不应有中文、空格或特殊符号。例如，D:\pyVideoTrans 是一个好的路径，而 D:\program file\视频 工具 则可能导致问题。
    4. 升级包问题：如果您是覆盖了升级包后无法启动，说明操作有误。请重新下载完整的软件包，解压后再覆盖新版升级包。

2. 启动时提示缺少 python310.dll 文件怎么办？ ​

这个问题说明您只下载了升级补丁包，而没有下载主程序。

  • 解决方案：
    1. 请先前往官网下载 完整软件包。
    2. 解压完整包到指定目录。
    3. 之后再下载最新的升级补丁包，覆盖到完整包的目录中即可。

3. 软件需要安装吗？ ​

本软件是绿色版，无需安装。下载完整包后解压，双击 sp.exe 即可直接运行。

4. 为什么杀毒软件会报病毒或拦截？ ​

  • 原因：本软件使用 PyInstaller 工具打包，并且没有进行商业数字签名认证。一些安全软件会基于此启动风险预警，这属于常见误报。
  • 解决方案：
    1. 添加信任：将本软件添加到您杀毒软件的信任区或白名单中。
    2. 源码运行：如果您是开发者，也可以选择从源代码直接部署运行，以完全避免此问题。

5. 软件支持 Windows 7 系统吗？ ​

不支持。软件依赖的许多核心组件（如 PyTorch、PySide6）已不再支持 Windows 7 系统。请使用 Windows 10 或 Windows 11。

6. macOS / Linux 如何部署源码？ ​

  • 前置依赖：
    • Python 3.10
    • FFmpeg（brew install ffmpeg / apt install ffmpeg）
    • uv 包管理器
    • libsndfile
  • 部署步骤：
    bash
    git clone https://github.com/jianchang512/pyvideotrans
cd pyvideotrans
uv sync
uv run sp.py
  • 可选依赖：uv sync --all-extra 安装所有可选渠道（qwen-tts, qwen-asr, moss-tts, chatterbox）

7. 源码部署后启动报错怎么办？ ​

常见原因及解决方案：

  • FFmpeg 未安装：确保系统已安装 FFmpeg 且配置了环境变量
  • 依赖缺失：运行 uv sync 重新安装依赖
  • Python 版本不对：必须使用 Python 3.10（.python-version 文件已指定）

第二部分：核心功能与设置 ​

8. 如何提升语音识别的准确率？ ​

识别准确率主要取决于您选择的模型大小和设置。

  • 模型选择：在 "faster" 或 "openai" 模式下，模型越大，准确率越高，但处理速度越慢、资源消耗也越大。
    • tiny: 体积最小，速度最快，但准确率较低。
    • base / small / medium: 效果与资源消耗居中，是常用的选项。
    • large-v3: 体积最大，效果最好，对硬件要求也最高（需要 8GB+ 显存）。
  • 优化设置：点击 菜单--工具--高级选项

找到 faster/openai语音识别调整 部分，进行如下修改：

  • 语音阈值 设为 0.5
  • 最短持续时间/毫秒 设为 3000
  • 最大语音持续时间/秒 设为 6
  • 静音分隔毫秒 设为 140
  • 热词：如果视频中有专有名词，可以在此填写，以逗号分隔
  • 降噪处理：如果视频有背景音乐或噪声，点击 设置更多参数 选中 分离人声背景声，可以显著提升识别效果。

9. 为什么处理后的视频清晰度/质量降低了？ ​

任何涉及重新编码的操作都会不可避免地导致视频质量损失。如果您希望最大程度地保持原始画质，请确保满足以下所有条件：

  1. 原始视频格式：使用兼容性最好的 H.264 (libx264) 编码的 MP4 文件。
  2. 禁用慢速处理：在功能选项中，不要勾选"视频自动慢速"。
  3. 不嵌入硬字幕：可以选择不嵌入字幕，或只嵌入软字幕。硬字幕会强制重新编码整个视频。
  4. 高级选项-视频输出质量控制：数字默认23，可以降低到18或更低(最低0)，越低输出视频质量越高，但尺寸也越大
  5. 高级选项-输出视频压缩率：默认是fast,可用选择slow或slower，质量会更高，但输出耗时将增加
  6. 高级选项-264/265编码：默认是264,可选265，输出视频质量更高

10. 为什么输出视频超级大？ ​

  1. 修改高级选项-视频输出质量控制 为 25-51 越大输出视频尺寸越小，但质量也随之降低
  2. 高级选项-264/265编码：选择265，同质量下 265 尺寸更小

11. 如何配置网络代理？ ​

部分翻译或配音服务（如 Google、OpenAI、Gemini）在国内无法直接访问，需要通过网络代理。

  • 设置方法：在主界面的"网络代理地址"文本框中，填入您的代理服务地址。
  • 格式要求：通常是 http://127.0.0.1:10808 这样的格式（端口号需根据您的代理客户端设置填写）。
  • 重要提示：如果您不了解代理或没有可用的代理服务，请将此项留空。错误的设置将导致报错。
  • 国内 API 不需要代理：百度翻译、腾讯翻译、阿里翻译、DeepSeek、智谱AI、字节火山等国内 API 默认不走代理。
  • 本地服务不需要代理：GPT-SoVITS、ChatTTS、F5-TTS 等本地服务自动绕过代理。

12. 如何自定义字幕的字体、颜色和样式？ ​

点击主界面中 -> 设置更多参数 -> 修改硬字幕

第三部分：语音识别问题 ​

13. 识别结果为空或乱码 ​

  • 原因：可能语言选择错误、视频无有效人声、或显存不足
  • 解决方案：
    1. 检查"原始语言"是否选择正确（不要过度依赖 Auto）
    2. 检查视频是否有背景音乐干扰（尝试开启降噪）
    3. 显存不足：降低 beam_size，改用 int8 量化，或使用 small 模型
    4. 尝试更换识别渠道（如从 faster-whisper 换成 openai-whisper）

14. 识别速度非常慢 ​

  • 原因：使用了大型模型但未启用 GPU 加速
  • 解决方案：
    1. 启用 CUDA 加速：确保已安装 CUDA 12.8+ 和 cuDNN 9.x，勾选 CUDA加速
    2. 使用小模型：将 large-v3 换成 medium 或 small
    3. CPU 模式优化：在高级选项中将 计算数据类型 改为 int8

15. 提示显存或内存不足（Unable to allocate、CUDA out of memory） ​

  • 原因：模型太大或显存被其他程序占用
  • 解决方案（按推荐顺序尝试）：
    1. 使用更小的模型：将识别模型从 large-v3 更换为 medium、small 或 base。large-v3 模型最低需要 8GB 显存。
    2. 调整高级设置：在菜单栏 工具/选项 -> 高级选项 中进行如下修改：
      • CUDA数据类型: 将 float32 改为 float16 或 int8
      • beam_size: 将 5 改为 1
      • best_of: 将 5 改为 1
      • 上下文: 将 true 改为 false
    3. 检查多显卡：如果有多个可用显卡，检查第一块显卡可用显存是否过小。软件默认使用第一块显卡，升级到 v3.98-317 以上版本会自动选择显存最大的显卡。

16. 说话人识别不准确 ​

  • 原因：说话人分离模型对某些场景（如多人同时说话、背景噪声大）效果有限
  • 解决方案：
    1. 在 设置更多参数 中勾选 识别说话人 并指定人数
    2. 在高级选项中切换说话人模型（内置、阿里CAM++、pyannote）
    3. 使用 pyannote 模型需要在 HuggingFace 上申请 token 并同意授权协议

17. LLM 重新断句后结果更差 ​

  • 原因：本地小模型（如 7B）智能不足，或提示词过于复杂
  • 解决方案：
    1. 使用更强的在线模型（DeepSeek-V3、GPT-4o 等）
    2. 精简提示词（在 videotrans/prompts/recharge/recharge-llm.txt 中修改）
    3. 使用 clone 角色克隆原音色时，不建议使用 LLM 重新断句

18. 配音后字幕和声音不同步 ​

这是翻译配音中的常见现象，源于语言间的时长差异。

  • 原因：不同语言表达同一意思时，音节数和语法结构不同，导致配音时长与原始字幕时长不一致。例如，一句2秒的中文，翻译成英文后配音时长可能变为3-4秒。
  • 解决方案：
    1. 启用音频加速：勾选 音频加速，自动将过长的配音加速到匹配字幕时长
    2. 启用视频慢速：勾选 视频慢速，放慢视频画面以匹配配音时长
    3. 两者同时启用：当倍率 > 1.2x 时，音频加速和视频慢速各负担一半时间差
    4. 调整语速：设置 配音语速 值（如 +10%）加快整体配音速度
    5. 使用二次识别：勾选 二次识别，在配音完成后再次识别生成更精准的字幕时间轴

详细原理请参考 音频视频时间轴对齐原理说明

19. 二次识别是什么？什么时候需要？ ​

二次识别是在配音完成后，对生成的配音音频再次进行语音识别，生成时间轴更精准、字数更简短的字幕。

  • 适用场景：选择了 嵌入单字幕（硬字幕或软字幕），且需要字幕和配音精确对齐
  • 设置方法：勾选 二次识别，在高级选项中设置二次识别的最长/最短语音持续时间
  • 注意：二次识别需要额外的处理时间

第四部分：翻译问题 ​

20. 翻译结果有空白行或包含提示词 ​

  • 原因：本地小模型智能不足，或 AI 合并了字幕行
  • 解决方案：
    1. 本地小模型（如 7B）智能不足，建议改用 DeepSeek/GPT-4 等在线模型
    2. 取消"发送完整字幕"选项，改为按行翻译
    3. 设置 trans_thread=1 降低并发
    4. 具体原理和解决方法点击查看

21. AI 翻译触发安全限制被过滤 ​

  • 错误信息：内容触发AI风控被过滤
  • 原因：翻译内容被 AI 服务的安全系统拦截
  • 解决方案：
    1. 手动编辑字幕，移除可能触发风控的内容
    2. 更换翻译渠道（如从 OpenAI 换成 DeepSeek）

22. 翻译结果与原文不对应（字幕行错位） ​

  • 原因：AI 翻译时合并了字幕行，导致行号错位
  • 解决方案：
    1. 在高级选项中取消勾选"发送完整字幕"
    2. 将翻译并发数设为 1
    3. 使用支持大上下文的在线 AI 模型

23. 翻译缓存导致结果异常 ​

  • 原因：翻译结果被缓存，修改提示词或翻译渠道后未生效
  • 解决方案：
    1. 勾选主界面的 清理已生成 选项
    2. 或手动删除 tmp/translate_cache/ 目录下的缓存文件

第五部分：配音问题 ​

24. Edge-TTS 报错 403 或生成静音 ​

  • 原因：微软限流，短时间内请求过多
  • 解决方案：
    1. 在"高级选项"中将"同时配音线程数"设为 1
    2. 将"配音后暂停秒数"设为 5-10 秒
    3. 如果使用了代理，Edge-TTS 可能因代理问题失败。在软件根目录创建 edgetts-noproxy.txt 空文件可强制绕过代理

25. F5-TTS / CosyVoice / GPT-SoVITS 无法连接 ​

  • 原因：本地 TTS 服务未启动或地址配置错误
  • 解决方案：
    1. 确保外部 TTS 服务的终端窗口未关闭
    2. 检查 API 地址是否正确（注意端口号）
    3. GPT-SoVITS 需启动 api.py 或 api_v2.py，不能使用网页版 7860 端口
    4. 如果填写了 0.0.0.0 作为地址，改为 127.0.0.1

26. GPT-SoVITS 报错 {"detail":"Not Found"} ​

  • 原因：API 版本不匹配或端口错误
  • 解决方案：
    1. 检查启动的是 api.py 还是 api_v2.py，在软件中勾选对应的 api_v2? 选项
    2. 确保填写的是 API 地址（默认 9880），而非网页版地址（7860）

27. Index-TTS 报错 Value: 'Same as the voice reference' is not in the list ​

  • 原因：Index-TTS 内部多语言翻译不一致的 Bug
  • 解决方案：打开 Index-TTS 项目根目录的 webui.py，将 i18n("与音色参考音频相同") 替换为 Same as the voice reference

28. Azure-TTS 报错 Could not find module Microsoft.CognitiveServices.Speech.core.dll ​

  • 原因：缺少微软 VC++ 运行库
  • 解决方案：
    1. 如果是下载的补丁包，请重新下载完整包
    2. 如果已是完整包，安装 微软 VC++ 运行时集合包 后重启电脑

29. 配音后声音有机械感或杂音 ​

  • 原因：音频加速倍率过高（> 3x），或参考音频质量差
  • 解决方案：
    1. 启用视频慢速，与音频加速协同分担时间差
    2. 提升参考音频质量：使用清晰的 5-10 秒单人声 WAV 文件
    3. 勾选 分离人声背景声，去除背景噪声

第六部分：声音克隆问题 ​

30. 使用 clone 角色配音失败或音质差 ​

  • 原因：参考音频时长不在 3-10 秒范围内，或字幕时间轴被 LLM 重新断句打乱
  • 解决方案：
    1. 禁止使用 LLM 重新断句：LLM 重新断句会打乱时间轴，导致参考音频截取错位
    2. 强制控制字幕时长：在 高级选项 -> 语音识别参数 中，将 最长语音持续秒数 设为 6-10，最短语音持续毫秒 设为 3000-4000
    3. 勾选 合并过短字幕到邻近 和 Whisper预分割音频
    4. 使用 OmniVoice-TTS 渠道，对短参考音频兼容性更好
    5. 勾选 分离人声背景声，提升参考音频质量

31. 如何使用自定义参考音频？ ​

  1. 录制或截取一段 5-10 秒的 WAV 格式音频（单人声、无背景噪声）
  2. 将音频复制到软件目录下的 f5-tts 文件夹
  3. 打开 菜单 -> TTS 设置 -> 设置参考音频，填写 文件名.wav#音频中的说话文本
  4. 在主界面配音角色下拉框中选择该文件名

注意：GPT-SoVITS 的参考音频需要放在 GPT-SoVITS 软件的根目录下，而非 f5-tts 文件夹。

第七部分：视频合成与输出问题 ​

32. 执行过程中报错 ffprobe exec error 或 ffmpeg 相关异常 ​

  • 原因：文件路径过长或含有特殊符号
  • 解决方案：
    1. 将视频文件移动到更浅的目录（如 D:\videos）
    2. 重命名为简短的英文或数字名称
    3. 删除文件名中的特殊符号（?*、表情符号等）

33. 软件提示视频"不含音轨" ​

  • 可能原因 1：视频确实没有声音（从某些网站下载时画面和声音分离）
  • 可能原因 2：视频编码格式不支持（如 AV1）
  • 可能原因 3：背景噪音过大，人声被掩盖
  • 解决方案：
    1. 用播放器本地播放确认是否有声音
    2. 尝试先将视频转换为标准 H.264/MP4 格式
    3. 开启降噪或人声分离功能

34. 如何输出无损视频？ ​

当满足以下所有条件时，视频将无损输出（不重新编码）：

  1. 原始视频编码为 mp4/h.264/yuv420p
  2. 高级选项中 264/265编码 选择 264
  3. 未启用 视频慢速
  4. 未嵌入 硬字幕（软字幕不影响）

注意：若配音后时长大于视频原时长，超出部分会被截断。

35. 处理后出现声音、字幕、画面不同步 ​

这是语言翻译中的正常现象。

  • 原因：不同语言表达同一个意思时，句子的长度和音节数均不同，发音时长必然发生变化。
  • 解决方案：
    1. 启用 音频加速 和/或 视频慢速
    2. 设置 配音语速（如 +10%）加快整体速度
    3. 启用 二次识别 生成更精准的字幕时间轴
    4. 详细原理请参考 音频视频时间轴对齐原理说明

36. 总是提示显存不足 (例如 Unable to allocate 错误) ​

这个错误意味着您的显卡没有足够的显存或内存来执行当前任务。

  • 解决方案（按推荐顺序尝试）：
    1. 使用更小的模型：将识别模型从 large-v3 更换为 medium、small 或 base
    2. 调整高级设置：
      • CUDA数据类型: 将 float32 改为 float16 或 int8
      • beam_size: 将 5 改为 1
      • best_of: 将 5 改为 1
      • 上下文: 将 true 改为 false

37. 已经安装了 CUDA，为什么软件还是无法使用 GPU 加速？ ​

请检查以下可能的原因：

  • CUDA 版本不兼容：本软件要求 CUDA 12.8 及以上版本
  • 显卡驱动过旧：请更新您的 NVIDIA 显卡驱动到最新版本
  • 缺少 cuDNN：确保已安装 cuDNN 9.x 并配置了环境变量
  • 硬件不兼容：GPU 加速仅支持 NVIDIA 显卡（N卡）。AMD 或 Intel 显卡无法使用 CUDA
  • 环境变量未配置：检查系统环境变量中是否包含 CUDA 的 bin 和 lib 目录

38. GPU 使用率很低，正常吗？ ​

正常。软件的工作流程是：语音识别 -> 文字翻译 -> 文本配音 -> 视频合成。

只有在第一步 "语音识别" 阶段，才会大量使用 GPU 进行运算。其他阶段（如翻译、合成）主要依赖 CPU，因此 GPU 在大部分时间处于低负载状态是符合预期的。

39. 处理几个视频后，发现硬盘空间被占满？ ​

这通常是由于启用了"视频慢速"功能并产生了大量临时文件。

  • 原因：该功能会将视频按字幕切割成许多小片段，并对每个片段进行处理，这会产生远超原视频体积的缓存文件。
  • 解决方案：
    1. 手动清理：处理完成后，手动删除软件根目录下的 tmp/ 文件夹内的所有内容
    2. 自动清理：正常关闭软件时，程序会自动清理这些缓存

40. 反复处理同一个视频，为什么识别结果和字幕总是不变？ ​

  • 原因：软件默认启用了缓存机制，如果检测到某个视频已经生成过字幕文件，会直接使用缓存结果
  • 解决方案：在软件主界面的左上角，勾选 清理已生成 复选框

第八部分：批量处理问题 ​

41. 批量翻译视频时总是会卡住 ​

默认批量任务时，会将每个任务分为多个阶段，同时交叉并行处理，太多任务时可能导致资源耗尽。

  • 解决方案：选中 高级选项--批量翻译时强制串行，将执行方式改为串行处理

42. 批量处理时如何控制并发数量 ​

在 高级选项 -> 通用设置 中：

  • CPU同时任务数：最大 CPU 同时任务数，不超过 CPU 核数
  • GPU同时任务数：GPU 任务同时执行数量，除非多卡或单卡显存 > 24G，否则设为 1
  • 批量翻译视频时每批数量：设为 1 可逐个处理，设为 0 则全部同时处理

第九部分：高级选项详解 ​

43. 音频加速和视频慢速的区别？ ​

选项效果适用场景
音频加速加速配音以匹配字幕时长，音质可能略有损失配音比字幕长 1-2 倍
视频慢速慢放视频以匹配配音时长，画面可能略卡配音比字幕长 2 倍以上
两者同时各负担一半时间差，效果最佳配音远长于字幕

44. 发送完整字幕 有什么作用？ ​

选中后，AI 翻译时会附带行号和时间轴发给 AI，翻译质量更好但可能合并行。建议：

  • 使用在线大模型（DeepSeek、GPT-4o）时选中
  • 使用本地小模型时取消选中

45. 二次识别 与 LLM重新断句 的区别？ ​

选项时机作用
LLM重新断句语音识别后AI 修正错别字、重新切分长文本
二次识别配音完成后对配音音频再次识别，生成更精准的时间轴

使用 clone 角色时，不建议使用 LLM 重新断句。

46. 嵌入字幕类型如何选择？ ​

类型说明适用场景
不嵌入字幕只替换声音，不添加字幕仅需配音
嵌入硬字幕字幕永久烧录到画面，无法关闭任何播放器都能显示
嵌入软字幕字幕作为独立轨道，播放器可开关需要灵活控制字幕显示
嵌入硬字幕(双)中英双语硬字幕需要双语对照
嵌入软字幕(双)中英双语软字幕需要双语对照且可关闭

第十部分：文件与路径问题 ​

47. 输入文件路径有什么要求？ ​

  1. 路径长度：Windows 命令行有 260 字符限制，文件路径应尽量简短
  2. 特殊符号：文件名中不应包含 ?*、表情符号等特殊符号
  3. 中文路径：虽然支持，但建议使用英文路径以避免兼容性问题
  4. 空格：路径中可以有空格，但建议避免

48. 输出文件保存在哪里？ ​

  • 默认位置：原视频目录下的 _video_out/ 文件夹
  • 独立功能输出：批量转录、配音、翻译 SRT 等功能输出到 output/ 目录
  • 自定义输出：可在主界面设置输出目录

49. 如何导入已有的 SRT 字幕？ ​

  1. 在视频文件同级目录下创建 _video_out/ 文件夹
  2. 在其中创建视频同名子文件夹（如 myvideo-mp4，必须带格式后缀）
  3. 将字幕文件复制到子文件夹，重命名为 zh-cn.srt（源语言）和 en.srt（目标语言）
  4. 导入视频执行翻译，软件会自动跳过 ASR 和翻译阶段

第十一部分：CLI 命令行问题 ​

50. CLI 基本用法 ​

bash
uv run cli.py --task <任务类型> --name "<文件路径>" [其他参数]

任务类型：stt(语音转录)、tts(文字配音)、sts(字幕翻译)、vtv(视频翻译)

51. 如何查看可用的渠道和语言？ ​

bash
uv run cli.py --list providers    # 查看所有渠道
uv run cli.py --list languages    # 查看所有语言代码
uv run cli.py --list models       # 查看 faster-whisper 模型

52. CLI 常见报错 ​

  • --name is required：未指定输入文件
  • File not found：文件路径错误或文件不存在
  • --voice_role is required：TTS 模式下必须指定配音角色
  • --target_language_code is required：STS/VTV 模式下必须指定目标语言

第十二部分：综合信息 ​

53. 软件是否支持 Docker 部署？ ​

支持。使用webui界面

54. 能否识别视频画面中的硬字幕（OCR 功能）？ ​

不能。本软件的原理是分析视频中的音频轨道，识别出人类的语音并转换为文字。它不具备图像文字识别（OCR）功能。 若有需要，可以点击查看另一个项目，提取视频中硬字幕

55. 我可以添加新的语言支持吗？ ​

可以新增目标语言，具体查看

56. 软件是否收费？可以商用吗？ ​

  • 费用：本项目是一个免费且开源的软件，您可以免费使用所有功能。请注意，如果您使用第三方的翻译或TTS或语音转录接口，这些服务商可能会收取费用，但这与本软件无关。
  • 商用：个人和公司均可自由使用本软件。但如果您希望将本项目的代码集成到您自己的商业产品中，则必须遵守 GPL-v3 开源协议。此外某些渠道使用的模型或在线API可能有他们自己的协议要求，是否允许商用，请咨询所使用的渠道对应的平台。

57. 是否提供人工客服？ ​

没有。本项目为个人开发的免费开源软件，没有盈利，因此无法配备专门的人工客服团队。如果您遇到问题，请先仔细阅读本 FAQ。 或你也可以选择软件右下角微信二维码打赏，留言你的微信号，获取有偿技术支持。

58. 从哪里下载软件和模型？ ​

59. 报错与日志 ​

  • 日志位置：软件根目录下的 logs 文件夹有当前年月日命名的 log 格式日志文件
  • 反馈方式：报错时点击弹窗的"报告错误"可自动提交至官方论坛；或复制日志底部 30 行内容询问 AI

60. 新版本为什么在发音语言列表中没有了"自动检测"？ ​

在 "批量语音转字幕" 功能面板中可以选择"自动检测"，在"翻译视频或音频"功能中去掉了自动检测。因为视频翻译后续工作如字幕翻译、配音（涉及参考音频）等某些渠道需要明确指定原始语言，否则会报错。如果你仅仅想转录语音为字幕，可单独使用左侧面板中的"批量语音转字幕"功能。

快速问题排查表 ​

问题可能原因解决方案
软件无法启动杀毒软件拦截 / 路径问题添加信任白名单 / 移至英文路径
缺少 python310.dll只下载了补丁包下载完整包再覆盖补丁
识别结果为空语言选择错误 / 无有效人声正确选择语言 / 开启降噪
显存不足模型太大换小模型 / 改 int8 / 降 beam_size
GPU 未启用CUDA 未安装 / 驱动过旧安装 CUDA 12.8+ / 更新驱动
翻译有空白行AI 合并了字幕行取消"发送完整字幕" / 用在线模型
Edge-TTS 403微软限流降并发 / 加暂停秒数
声音字幕不同步语言时长差异启用音频加速 / 视频慢速
ffprobe 报错路径过长或特殊符号简化文件名 / 移至浅层目录
硬盘空间占满视频慢速产生大量临时文件清理 tmp/ 文件夹
clone 配音差参考音频时长不当控制 3-10 秒 / 禁用 LLM 断句
GPT-SoVITS 404API 版本不匹配检查 api.py vs api_v2.py