常见问题¶
通用问题¶
WhisperJAV 支持哪些视频格式？¶
支持 FFmpeg 可以读取的所有格式：MP4、MKV、AVI、MOV、WMV、FLV、WAV、MP3、FLAC、M4A、M4B 等等。只要 FFmpeg 能从中提取音频，WhisperJAV 就能处理。
转录需要多长时间？¶
取决于视频时长、处理管线和 GPU：
| 视频时长 | Faster（GPU） | Balanced（GPU） | 集成模式（GPU） | Faster（CPU） |
|---|---|---|---|---|
| 30 分钟 | ~1 分钟 | ~2 分钟 | ~4 分钟 | ~10 分钟 |
| 2 小时 | ~3 分钟 | ~5 分钟 | ~10 分钟 | ~40 分钟 |
以上为粗略估计。实际时间因 GPU 型号和音频复杂度而异。
没有 GPU 也能使用 WhisperJAV 吗？¶
可以。进入 Advanced（高级）→ 勾选 "Accept CPU-only mode"（接受仅 CPU 模式）。使用 Faster 模式可获得最佳 CPU 速度。功能正常，只是明显较慢。
质量相关¶
哪种处理管线能生成最好的字幕？¶
动漫/JAV 内容：ChronosJAV 搭配 anime-whisper，或使用 集成模式（Balanced + Qwen3-ASR 配合 Smart Merge）以获得最高准确度。
通用日语内容：Balanced 模式是最佳的单次处理选择。
字幕中出现幻觉文本（随机英文短语、URL 等）¶
这是 Whisper 在静音或极安静片段上的已知行为。WhisperJAV 内置了幻觉过滤器，可移除大部分此类文本。你可以尝试：
- 使用 激进 灵敏度（捕获更多语音，减少留给幻觉的"静音"空间）
- 使用 集成模式（两次处理能捕获不同的幻觉）
- 启用 语音增强（ClearVoice 或 BS-RoFormer）预先清理音频
时间轴偏移 / 字幕出现过早或过晚¶
尝试更换 场景检测 方式：
- Semantic（默认）— 适用于大多数内容
- Auditok — 更适合对话间有明显静音的内容
- Silero — 切分更为激进
或者尝试 ChronosJAV 处理管线，它使用 TEN VAD 实现更精确的时间轴。
翻译相关¶
哪个翻译提供商最好？¶
性价比最高：DeepSeek 提供优质翻译，费用低廉，尤其适合中日韩语言。
翻译质量最佳：Claude 或 GPT-4 能产出最自然的翻译，但费用较高。
注重隐私：本地大语言模型 完全在本机运行，数据不会离开你的电脑。
翻译失败并报 "API token limit" 错误¶
字幕批次对于模型的上下文窗口来说太大了。请尝试：
- 在高级设置中减小 最大批量大小（尝试 15 或 10）
- 使用上下文窗口更大的模型
- WhisperJAV 会自动为本地大语言模型限制批量大小
Linux 上翻译显示 "Unknown provider: Gemini"¶
安装缺失的依赖：pip install google-api-core。此问题已在 v1.8.6 中修复。
安装相关¶
安装程序卡住 / 耗时很长¶
首次安装需要下载约 3-5 GB 的软件包。网络较慢时可能需要 30 分钟以上。请查看安装目录中的安装日志了解进度。
提示 "CUDA not available"，但我有 NVIDIA GPU¶
- 验证 NVIDIA 驱动版本：
nvidia-smi - CUDA 11.8 需要驱动 450+，CUDA 12.8 需要驱动 570+
- 你不需要安装 CUDA Toolkit —— PyTorch 自带 CUDA 运行时
- 尝试重新安装对应 CUDA 版本的 PyTorch
如何升级？¶
或仅更新代码（更快）：whisperjav-upgrade --wheel-only
详情请参阅升级指南。
故障排除¶
处理时出错¶
- 查看 GUI 底部的 控制台 获取错误信息
- 在高级选项卡中启用 调试日志 并重试 —— 查看
whisperjav.log - 尝试更简单的处理管线（Faster 模式）以定位问题
- 将错误信息和系统详情提交到 GitHub Issues
GUI 无法启动¶
- Windows： 确保已安装 WebView2（Windows 10 1803+ 和 Windows 11 已内置）
- Linux： 安装
libwebkit2gtk-4.0-dev（Ubuntu）或webkit2gtk4.0-devel（Fedora） - macOS： WebKit 已内置，应可自动运行
- 尝试从命令行启动（
whisperjav-gui）以查看错误输出