[10.5]VR视频工具箱CUDA专版2.0.3版，逐句情感语音克隆补丁3

zelefans

fua31648 发表于 2026-6-30 21:22
juvr00265.part2_8K
V1.3版本
內置(GPU)

更新了，v1.3_补丁1_马赛克恢复模块增加显存控制

之前看到的报错很像显存顶满后 FrameRestorer 子线程崩了；原日志把 ErrorMarker 统一写成 frame restorer stopped prematurely，所以看不到真正异常。

增加 16GB/大单眼帧 VRAM guard：4096x4096 这类输入会把 max_clip_length 180 -> 64、检测 batch 4 -> 1，并缩小内部队列。

下次如果仍失败，会打印 [native] frame restorer error: ... 和 traceback 尾部，不再只给笼统停止信息。

你哥很无奈

zelefans 发表于 2026-7-1 11:12
更新了，v1.3_补丁1_马赛克恢复模块增加显存控制

之前看到的报错很像显存顶满后 FrameRestorer 子线程 ...

大佬大佬，离线模式有更好的去码模型不？求

a984051651

请教一个问题，就是一键破解以后文件大小会大很多，大概会变大3倍左右，请教下可能的原因。

zelefans

a984051651 发表于 2026-7-1 14:06
请教一个问题，就是一键破解以后文件大小会大很多，大概会变大3倍左右，请教下可能的原因。 ...

选择保持源文件码率的话，应该只有1.1~1.2倍大小的，因为要预留局部画面码率飙升，流程中会在最后一个输出环节做压缩。如果你还大3倍，请告知用的什么选项，lada/jasna/内置，鱼眼是否开启，是否开启了事先切区域。

a984051651

zelefans 发表于 2026-7-1 18:06
选择保持源文件码率的话，应该只有1.1~1.2倍大小的，因为要预留局部画面码率飙升，流程中会在最后一个输出 ...

感谢回复，我找到原因了，我是分步骤进行的，利用一键去除的话确实大小是正常的。

fua31648

fua31648 发表于 2026-6-30 21:22
juvr00265.part2_8K
V1.3版本
內置(GPU)

juvr00265.part2_8K
使用 v1.3 Patch1 內置(GPU)  可以跑完了約5.5小時
使用 v1.3 jasna  約6.5小時跑完

wwd

感谢大佬分享

zelefans

1.4版发布，我重新完整地设计了语音克隆配音功能，可控性更好。

主要可以支持目录多文件共享配音基准，主要为了适合小日子的VR视频。因为一个片子分成两三段，后面两段几乎没有可用来长度的的可用长度的语音信息。
为了尽量还原原声的情绪。在原本支持音调克隆的基础上，增加了语速克隆 ，对应也调整了AI翻译的提示词（原来翻译目的是尽可能简短，现在语速可以控制，简短就不用了）。

用下来感觉还行，软件的DLNA服务器已经支持实时直播流自动配音（如果识别到.SI.DUCK.WAV文件）。 VR透视服务器已经改好，下个发布的版本支持。

.SI.DUCK.WAV的文件的作用是压低完整的原声，这个文件是根据字幕文件做的，原始字幕时间区间叠加之后可以尽量把完整的日文语音压低。否则光靠中文翻译后的中文语音，日文语音区间肯定会露出来。所以必须靠两个语音文件配合才能压制。

已经尽量做了，闭门造车一周了，先把完整功能放出来，根据反馈再看有哪里可以后续优化

xuxu1968

用服务器可以直接实时看到配音吗？  感觉说明是针对高手们的，一说就懂的那种，小白们只希望有傻瓜式操作或者详细的的配置操作说明，当然可能这样的要求有些过分了。感觉克隆语音最有必要，想学的冲动很强烈

fua31648

juvr00265.part2_8K
使用 v1.3 Patch1 jasna  最高畫質  要跑20 小時