ChronosJAV 处理管线¶
ChronosJAV 是一个专为动漫和 JAV 内容设计的处理管线，基于专门针对日语动漫和成人内容对话训练的语音模型构建。
灵感来自 ChronusOmni（Chen 等，2025）的时间感知方法。
可用模型¶
| 模型 | 大小 | 优势 |
|---|---|---|
| anime-whisper | ~4 GB | 动漫/JAV 对话的最佳质量。基于 Whisper large-v3 微调。 |
| Kotoba v2.1 | ~2 GB | 更轻量，支持标点符号。速度与质量的良好平衡。 |
| Kotoba v2.0 | ~2 GB | 更轻量，无标点符号。三者中速度最快。 |
| Cohere-Transcribe (推迟到 v1.9.0) | ~4-8 GB | Cohere Labs 2B Conformer ASR。目前在 GUI 下拉菜单中已禁用 — 该模型需要 transformers ≥ 5.4.0，与捆绑的 Qwen3-ASR fork 冲突。v1.9.0 将协同执行 transformers 升级并与现有生成器一起交付 Cohere。详细状态请参阅 FAQ。 |
建议
建议先使用 anime-whisper 以获得最佳效果。如果需要更快的处理速度或 GPU 显存有限，可切换至 Kotoba。Cohere-Transcribe 计划在 v1.9.0 交付；v1.8.14 中下拉菜单的入口可见但已置灰，作为前向预告。
使用方法¶
GUI¶
- 进入 Ensemble 选项卡
- 将 Pipeline 设置为 ChronosJAV
- 从下拉菜单中选择一个模型
- 点击 Start
作为集成模式的一部分¶
若要获得最高质量，可将 ChronosJAV 与另一个处理管线组合使用：
- Pass 1： ChronosJAV 搭配 anime-whisper
- Pass 2： Qwen3-ASR 或 Balanced
- 合并策略： Smart Merge
技术细节¶
ChronosJAV 使用与标准 Whisper 处理管线不同的默认设置：
| 设置项 | ChronosJAV 默认值 | 标准默认值 |
|---|---|---|
| 解码方式 | 贪心解码（beam=1） | 集束搜索（beam=5） |
| 语音分割器 | TEN VAD | Silero v6.2 |
| 时间戳模式 | 仅 VAD | 完整对齐 |
| 清洗器 | 直通（Passthrough） | 标准清洗器 |
这些默认值专为动漫/JAV 内容优化。贪心解码搭配 TEN VAD 语音分割可产生更紧凑的字幕时间轴，并消除过大的字幕块。
首次运行¶
首次使用时，模型将从 HuggingFace 下载（约 2-4 GB，取决于模型）。这是一次性下载 — 后续运行将使用缓存的模型。
模型缓存在你的 HuggingFace 缓存目录中：
- Windows：
C:\Users\<you>\.cache\huggingface\ - macOS/Linux：
~/.cache/huggingface/