[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

fua31648

fua31648 发表于 2026-7-6 20:13
juvr00265.part2_8K
使用 v1.3 Patch1 jasna  最高畫質  要跑20 小時

單純提供數據  可以參考一下而已

hmmwan

语音翻译第三步不能用之前的音频，如果中途中断了，从第三步开始会报错，另外第四布的时候报错了,不知道是不是因为太长了；上面用的都是单人模式[synth] 62/769 SPEAKER_00 461.8-464.1s gain=0.35 src=-30.4dB gen=-21.2dB out=-30.4dB env(a=0.6) speed=0.85
Error: zero-size array to reduction operation maximum which has no identity

zelefans

hmmwan 发表于 2026-7-7 02:54
语音翻译第三步不能用之前的音频，如果中途中断了，从第三步开始会报错，另外第四布的时候报错了,不知道是 ...

1.4版补丁1发布，
克隆语音可以中间步骤重新直接载入
克隆语音支持校对字幕功能

无聊Tai

大佬可以考虑加一个硬字幕提取功能

zelefans

无聊Tai 发表于 2026-7-8 08:49
大佬可以考虑加一个硬字幕提取功能

不是有人做了么，我从来不知道这个功能干嘛用的。硬字幕 提取出来也不能恢复原来视频干净的状态

无聊Tai

zelefans 发表于 2026-7-8 13:36
不是有人做了么，我从来不知道这个功能干嘛用的。硬字幕 提取出来也不能恢复原来视频干净的状态 ...

想要单独的字幕文件，哈哈

haoren918

一个建议哈！大佬，每次更新内容打包的时候，能否不要把一些更新包打进去，大部分人其实并不懂怎么更新，包括有一些人估计把模型放哪里其实都是不知道的。所以，你每次都直接打包一个完整最新的版本就行了，不要怕压缩包大，现在网速都很快，然后我们直接解压可以用就行了。这样可以避免很多问题。

zelefans

haoren918 发表于 2026-7-8 16:57
一个建议哈！大佬，每次更新内容打包的时候，能否不要把一些更新包打进去，大部分人其实并不懂怎么更新，包 ...

模型十几个GB，主程序3GB，每次更新包100多MB。
模型文件每个大版本不会变动，而且基本都用在字幕和语音工具，只是做解马赛克的人没必要下载那么大。
每次小版本更新也没必要下载十几个GB。甚至3GB的也不需要，每次解压缩几万个文件太消耗时间和硬盘了。
我国内网盘考虑国情提供了模型包，给需要用字幕和语音功能的人。我在github上给外国人的的版本甚至不带完整模型包，作为开源项目也不太会打包第三方模型在项目里，源代码里更不会包括模型文件，已经妥协了。。。。

zelefans

V1.5发布

- 支持Jasna最新版，原jasna-cli.exe修改为jasna.exe
- 合并VR视频增加比特率控制参考原视频选择
- 优化字幕工具，增加人声敏感度设置、翻译前AI校对原字幕

这个版本主要工作量在字幕效果的优化，因为克隆语音之后字幕质量的缺陷会被放大。
1、解决了漏片段问题，因为VR视频太多耳语，之前设定会忽视一些，所以干脆做成设置项目。
2、日语转录问题太多，前言不搭后语的误听，用前置AI来解决
3、很多单纯语气词，比如啊，嗯之类的，用前置AI来去掉
容忍ASMR之后会放大whisper的幻觉，尽量控制了，但也难免，当前默认配置就是取平衡。

当前版本输出的质量显著优于上一个版本，希望现在的版本输出的字幕质量可以贴近现在论坛里发布的。

小蚊

大佬求助，软件提示：[!] 缺少必要工具: jasna
>> 请查阅程序同目录下的「说明.txt」，里面有详细的安装步骤说明。
但是软件目录下并没有 说明.txt 求告知具体安装方法，感谢大佬回复！