[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

xiaolinyuri

=== [3/4] AI translation ===
Error: No translation API key provided or saved.

xiaolinyuri

112a 发表于 2026-6-3 12:06
好奇怪，可以提取生成日语字幕，但是翻译的时候又找不到字幕文件，api也是有费的，问题就是识别不到字幕文 ...

api key 是啥 要自己买？

zelefans

xiaolinyuri 发表于 2026-6-17 12:59
api key 是啥 要自己买？

https://platform.deepseek.com/
冲个几块钱可以试试

zhaojifang2025

FlashAttention2 is not installed; using PyTorch SDPA attention.，字幕转语音开始前提示，是不是还是缺少了东西

zelefans

zhaojifang2025 发表于 2026-6-17 22:19
FlashAttention2 is not installed; using PyTorch SDPA attention.，字幕转语音开始前提示，是不是还是缺 ...

这个不是错误，是FlashAttention2适合Linux，在Windows环境下安装复杂没有通用的包，所以会默认用Pytorch的SDPA替代，效率上没差太多

haoren918

今天试了同声传译，又几个问题要跟你反馈下，1、翻译后的中文最后几个字 经常说不完，断的很突然。2、能否直接开发一个把里面日语的声音去掉，替换成中文的功能，同时保留一些不说话的外部环境音。

zhaojifang2025

zelefans 发表于 2026-6-17 23:37
这个不是错误，是FlashAttention2适合Linux，在Windows环境下安装复杂没有通用的包，所以会默认用Pytorch ...

好的，明白了

zelefans

haoren918 发表于 2026-6-18 02:08
今天试了同声传译，又几个问题要跟你反馈下，1、翻译后的中文最后几个字 经常说不完，断的很突然。2、能否 ...

1、这个问题是字幕问题。你可以尝试重新翻译字幕，在我字幕工具中有新的选项：“翻译内容针对同声传译或配音优化”，选择之后让AI翻译的提示词模板就用config/translate_prompt_dubbing.txt。提示是：

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 个中文字符。
* 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。使用缩写和口语表达，使句子简洁明了。

让AI翻译来控制输出的字长，现在也就这种方法了。我比较了一下，很多句子翻译的确会少几个字。新的克隆语音功能，翻译引擎调用时默认就会用上面的提示此

2、你说的去掉日语，新的克隆语音功能里的混合音频，就多了“配音”选项，意思就是去掉原声，保留音乐、音效。用的是bandit-v2模型，去人声效率比较低，耐心等1、2个小时。 但我简单测试了一下发现它会连各种语气呻吟等去掉(人声其实是有特定频率区间的）。换而言之，适合用在演讲播客等场合，你如果用在爱情动作片，很可能索然无味。所以我原本也是抱着和你一样的想法开发的功能，结果发现应用场合很正经。

3、其实还能做的就是语气词过滤，同声传译真的不用语气词。但没有想好是硬过滤还是交给AI翻译时过滤。等我开发完DLNA服务器自动挂载同声传译WAV后回头再搞这个

zelefans

haoren918 发表于 2026-6-15 23:23
另外语音的模型如果可以选择自己加载就好了，设定一个选项，比如可以学习任意人的语音，去克隆任何人的语音 ...

我的确有这个功能的考虑，可能出现在下个阶段，就是自定义语音，放一段3~5秒的WAV就可以，只适合单人场景。出发点其实更多考虑即便单人视频，也会被聚合分组成多人，需要选择音色最相近作为基准语音，然后整个目录里都用这个WAV文件(解决 VR片同一部后面几段可克隆的参考对话极少的问题 ）。既然可以定义这个 WAV，那么换谁的语音都可以了……  这个暂时只适合单人场景的视频 ，多人的交互过于复杂，那个是更专业软件干的事儿

yang26135

求教问题
1. jasna完全解压到VR_Video_Toolbox_CE目录后，./_internal/ 目录下的文件会有重叠；如果选择用jasna的替换，会出现 Failed to start embedded python interpretedr! 的错误，疑似import的库不一致
2. 环境变量尝试了在 用户变量里设置
2.1 变量名：jasna-cli 变量值：C:\Tools\jasna-v0.6.2\jasna-cli.exe
2.2 变量名：jasna-cli 变量值：C:\Tools\jasna-v0.6.2
2.3 变量名：jasna-cli.exe 变量值：C:\Tools\jasna-v0.6.2\
三种方式都提示找不到jasna；求问该如何处理