zelefans 发表于 2026-6-8 19:58
更新了CUDA版。https://4k2.me/thread-46001-1-1.html
你先试一下，其实还有个功能还能做，就是同传发声时 ...
大佬早点休息，之后再修，现在单个合成的效果还是很完美的，速度很快，强的一p
刚发现已经更新了，测试了一下，现在没什么问题了
defalt456 发表于 2026-6-9 13:00
刚发现已经更新了，测试了一下，现在没什么问题了
大佬出现个新问题，16g显存下，批量字幕转语音任务出现了爆显存的情况，没有报错，但是显存被直接拉满
defalt456 发表于 2026-6-9 13:38
大佬出现个新问题，16g显存下，批量字幕转语音任务出现了爆显存的情况，没有报错，但是显存被直接拉满 ...
补丁已经发了，如果听的有问题，建议字幕可以重新翻译 ，会发现文字精简了不少 。调用了新的prompt。
任务：将电影字幕翻译成 {target_language} 语言，用于 AI 配音。翻译时长必须与原字幕时长一致，以确保配音与视频同步。
核心约束：时长同步
- 时长匹配：翻译文本的阅读时长必须与原文相近。
* 如果目标语言为中文：1 个日语汉字/假名 ≈ 0.6–0.8 个汉字。
* 如果目标语言为英语：1 个日语汉字/假名 ≈ 0.3–0.4 个英语单词。
- 语速控制：避免使用过于正式或冗长的表达方式。使用缩略语和口语表达，使句子简洁明了。
说明：
1. 格式完整性：每条字幕必须以 <subtitle_id> 开头，以 </subtitle_id> 结尾。 1. 严格保持一对一对应。
2. 上下文连贯性：理解对话流程，确保翻译自然流畅，但切勿合并或拆分字幕 ID。
3. 处理噪声：忽略无意义的文本或错误；如果字幕文本为空或无意义，则输出 `<subtitle_id></subtitle_id>`。
4. 唇形同步优化（针对中文）：避免在句子结尾使用过长的拖音，除非原说话者如此。
zelefans 发表于 2026-6-9 17:54
补丁已经发了，如果听的有问题，建议字幕可以重新翻译 ，会发现文字精简了不少 。调用了新的prompt。
任 ...
谢谢，大佬辛苦，这就下载尝试，
本帖最后由 defalt456 于 2026-6-10 15:27 编辑
zelefans 发表于 2026-6-9 17:54
补丁已经发了，如果听的有问题，建议字幕可以重新翻译 ，会发现文字精简了不少 。调用了新的prompt。
任 ...
大佬，能否考虑一下出个实时视频混音的功能
参考实时透视，既然能让抠图后的视频即时推送播放，那应该也能推送即时音频混合后的视频
一方面音轨添加处理很快，另一方面节省硬盘空间，实时情况下音轨有问题的直接换音频文件就行，平常目录下就多一条音频。而目前离线混合后的情况下，视频体积大占空间，如果删了原视频，要再编辑就很麻烦
defalt456 发表于 2026-6-10 14:59
大佬，能否考虑一下出个实时视频混音的功能
参考实时透视，既然能让抠图后的视频即时推送播放，那应该也能 ...
我开发过，做在VR工具箱CUDA版很麻烦，没成功。因为默认是单线程的 ffmpeg处理。又要做一遍播放器兼容性，以及视频流要重新做一遍pyNv。
我正在开发克隆语音，准备开发完了再做DLNA服务器兼容 WAV自动挂在
