Skip to content

v2.1.0

Choose a tag to compare

View all tags
@kanbereina kanbereina released this 28 Jun 14:31
v2.1.0
97beb66
This commit was created on GitHub.com and signed with GitHub’s verified signature.
GPG key ID: B5690EEEBB952194
Verified
Learn about vigilant mode.

2.1.0

VAD 能力增强，均向后兼容。

VAD 人声边界修正 kotoba 虚高时间戳

kotoba 蒸馏模型的 chunk 结束时间戳常虚高（end 溢出到人声结束后的静音里）。本版对明显虚高的字幕（每字符时长 > 1.0 秒）用长音频转录时已探出的 VAD 人声区间 把 end 夹回「人声实际结束处」——这是真实测量，比单纯按语速估算更准（实测误差 0.10.3 秒 vs 字符速率 2.53.5 秒）。VAD 对不上时（短音频没跑 VAD、或人声边界落在句外）回退 --max-seconds-per-char 字符速率收缩，二者互斥、择一生效。

  • segment_sentences 新增 speech 参数；speech=None（短音频/未传）时行为与引入前完全一致
  • VAD 修正在已分离人声（--separate 或先用 separate 子命令）上最准
  • 阈值 1.0 经两轮真实音频验证：轻度偏高句多是含正常停顿的合法长句，降阈值会被腰斩，故只夹极虚高者

separate 日志跟随 --verbose

separate / subtitle --separate 的 audio-separator（separator / common_separator / mdx_separator）INFO/WARNING 文本日志默认静默，--verbose 才放行，与转录链路一致。tqdm 进度条保留作分离反馈。

文档

README 新增「修正时间戳漂移」章节、参数表补 --max-seconds-per-char、--verbose help 补 audio-separator。

验证

全量测试 185 passed，ruff 干净，uv lock --check 通过。VAD 修正与 separate 日志均经真实数据 / 捕获 handler 实测确认。

完整改动见 v2.0.1...v2.1.0

Assets 2
Loading