[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

今天刚发了补丁1，
增加了字幕一键听译功能，同时做日文字幕+翻译
字幕翻译增加了针对同声传译或配音用的选项，可以让AI调整输出的字幕长度不要超过原声
修复了同声传译转WAV显存问题

asong

zelefans 发表于 2026-6-9 14:23
代码层面没有查到具体问题。有些嫌疑代码在特殊情况下可能触发。需要了解

1. 用的是哪种模式（单文件SBS  ...

1.单文件模式，未勾选鱼眼，默认勾选预提取
2.车牌试了三个，都是一样的情况（KAVR-428-cd3）。切片处理（00:00:00->00:01:00）
3.ffprobe名称查看确实没有音频轨道，返回的命令没有任何audio及audio stream的字样，原视频查看都是正常有的（我问了deepseek是否和编码切换画质有关，但我切换最高、高、中画质都试了，还是没声音）
4.日志中未找到“fast HEVC merge failed”相关字样
辛苦排查~

zelefans

asong 发表于 2026-6-10 07:56
1.单文件模式，未勾选鱼眼，默认勾选预提取
2.车牌试了三个，都是一样的情况（KAVR-428-cd3）。切片处理 ...

今日补丁2

修复一键去马模式设置时间区间时输出无声音的问题

这个问题是老路径依赖混合了新路径导致，重新设计了路径，用关键帧秒级快速切片（可能会有前后几秒的偏差），之后走我们新优化的路径

asong

zelefans 发表于 2026-6-10 10:09
今日补丁2

修复一键去马模式设置时间区间时输出无声音的问题

辛苦了，很负责任，工具也很优秀！

kf018@10050

应该用的是6.9的版本，破解一个54分钟的视频，9个多小时都还没结束，这正常吗？5090D，显卡占用一直在34%左右，而且破解生成的临时文件也太大了140多个G，就这还是没破解完的大小
附带一个运行记录

zelefans

kf018@10050 发表于 2026-6-10 18:30
应该用的是6.9的版本，破解一个54分钟的视频，9个多小时都还没结束，这正常吗？5090D，显卡占用一直在34%左 ...

统计了一下，慢在：长段 mosaic_seg002几乎覆盖整部片后半段，并且大量 8K/4K 大画面以 P7 preset 做 GPU 抽取、修复、全帧贴回编码。

| 1 | `mosaic_seg002` 全帧 paste | 168,923 帧，8192x4096 | 3h57m44s | 11.7 fps |
| 2 | 左眼 4096x4096 native restore | 155,490 帧 | 1h50m06s | 23.5 fps |
| 3 | 左眼 4096x4096 crop extract | 155,490 帧 | 1h49m23s | 23.5 fps |
| 4 | 右眼 4096x4096 native restore | 94,680 帧 | 1h07m12s | 23.4 fps |
| 5 | 右眼 4096x4096 crop extract | 94,680 帧 | 1h06m38s | 23.6 fps |
| 6 | 右眼 4096x3712 native restore | 60,300 帧 | 38m57s | 26.2 fps |

也就是说，这个视频尝试切片，但切完之后居然是整个单眼画面都抠下来处理，处理完了还要贴回去.....和原本只想抠一小片区域加速处理的初衷违背了。白白浪费了许多算力，不如单独左右眼切下来直接扔给去码的快。。。。

要么就是实际视频的马赛克区域太大，看片子似乎左右为男，这样马赛克区域重叠后就是整个区域.....

这个的确麻烦，需要设计一套降级方案，遇到这类视频就不硬切了。。。。现在流程的设计适合马赛克占画面一小部分。。。。

zelefans

开发中

commade17402

zelefans 发表于 2026-6-10 23:46
统计了一下，慢在：长段 mosaic_seg002几乎覆盖整部片后半段，并且大量 8K/4K 大画面以 P7 preset 做 GPU ...

这么看来，破解多人和第三人称的全屏马赛克，用cuda版本太累了。临时用12.3版本吧。

zelefans

补丁3更新，
一键去码优化流程，跳过大于三分之一的剪切马赛克处理，避免不值得的额外开销
修复一键去码对于部分视频报错(PyNv seek问题)和无声问题
修复合并左右屏功能导致的无声问题

wlmocvyg

[2026-06-12 19:24:53] zipimport.ZipImportError: module load failed: bad magic number in 'encodings': b'\xcb\r\r\n'
[2026-06-12 19:24:53] [cleanup] removed: F:\202606月\juvr-296\juvr00296_1_8k_SSTART_EEND_sbs.restored.source_intervals.json
[2026-06-12 19:24:53] [cleanup] removed: F:\202606月\juvr-296\juvr00296_1_8k.detections.jsonl
[2026-06-12 19:24:53] [pre-extract] released detector
[2026-06-12 19:24:53] Error: Command failed with code 1
[2026-06-12 19:24:53] === Process log ended 2026-06-12 19:24:53 ===
大佬看看为啥啊，用的jasna，但是会报错。原来的用lada倒是不报错并且可以完成，但是觉得质量没jasna好，但是永不了jasna