# 影片筆記：【VoiceTransl】v1.30更新，支持Qwen3ASR，界面更加简洁


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=2 已先套用暫定修正：我們這裡更換了我們的聽寫後代,使用了QuizBaseSR,然後它能夠使用千萬三SR這樣的一個模型,使得它的聽寫會更加準確。 → 我們這裡更換了我們的聽寫後端，使用了Qwen3ASR，然後它能夠使用Qwen3ASR這樣的一個模型，使得它的聽寫會更加準確。；segment=6 已先套用暫定修正：就是大家會在常任務上會更加的一個神經。 → 就是大家會在常任務上會更加的一個順暢。）
- 待修正：逐字稿可先使用，但有待校正清單（segment=2 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=3 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

> **⚠️ 警告：逐字稿辨識疑點與校正待辦**
>
> 根據提供的可讀性檢核清單，以下片段存在斷句異常或上下文未交叉比對的問題，**不得視為確定事實**。請參考「逐字稿辨識疑點」章節進行確認：
> *   **Segment 2, 3, 4, 35, 36, 37**: `unnatural_sentence_boundary` — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語。
> *   **Segment 31, 44**: `rapid_semantic_review` — 全文速讀上下文判斷；尚未回聽或交叉比對。
> *   **Segment 46**: `rapid_semantic_review` — 項目地址為 `github.com/shinnpuru/VoiceTransl`，「信譜」音近 Shinnpuru。

## 一句話總結

VoiceTransl 更新至 v1.30 版本，核心升級在於將聽寫後端更換為 `Qwen3ASR`（千問3S2）以提升準確度，同時簡化介面、精簡依賴並支援多品牌顯卡，新增模型測試與字幕硬/軟選擇功能。

## 核心重點

1.  **聽寫模型重大升級**：
    *   後端聽寫模型更換為 `Qwen3ASR`（口語稱為「千問3S2」）。
    *   聽寫準確度提升，但與舊版模型不通用，舊模型無法直接使用，需重新下載。
    *   新增參數調整選項，包括 VAD（語音活動檢測）、分段時長（疑點）、Token 上限。
2.  **介面與操作簡化**：
    *   工作臺介面更簡潔，可直接配置聽寫語言、目標語言、輸出格式及 VAD 參數。
    *   模型設置僅顯示對應模型的參數，若不配置可直接使用預設值。
    *   新增「模型面板」測試功能，建議用戶在執行任務前測試顯卡與模型可用性。
3.  **硬體與兼容性優化**：
    *   支援 A 卡（AMD）、I 卡（Intel）、N 卡（NVIDIA）。
    *   CUDA 10 系以上顯卡均可使用。
    *   依賴精簡，軟體包體積變小，兼容性更好。
4.  **新功能與輸出選項**：
    *   字幕合成支援「硬字幕」（直接嵌入視頻）與「軟字幕」（獨立開關）。
    *   保留字典功能，可設定翻譯或替換的文本字典。
    *   其他工具整合於「使用工具」選項中。

## 詳細大綱

### 一、 核心技術升級：聽寫後端更換
*   **模型變更**：
    *   使用 `Qwen3ASR` 作為新的聽寫後端。
    *   口語提及該模型為「千問3S2」。
    *   目標是提升聽寫準確度，使常任務執行更順暢。
*   **參數調整**：
    *   新增 VAD（語音活動檢測）參數。
    *   新增「分代時常」（疑點，可能為分段時長）參數。
    *   新增 Token 上限參數。
*   **兼容性注意事項**：
    *   新聽寫模型與舊版模型不通用。
    *   舊模型無法直接用於新版本，必須重新下載新模型。

### 二、 安裝、硬體與測試機制
*   **顯卡支援範圍**：
    *   提及「Valcan」（疑點）技術，聲稱 A 卡、I 卡、N 卡均可使用。
    *   明確支援 CUDA 10 系以上的顯卡。
*   **軟體優化**：
    *   依賴精簡，導致軟體包體積變小。
    *   整體兼容性提升。
*   **測試機制**：
    *   新增「模型面板」測試功能。
    *   建議用戶在執行實際任務前，於面板中測試顯卡與模型是否可用，以確保穩定性。

### 三、 介面與操作流程更新
*   **工作臺介面簡化**：
    *   介面設計比之前更簡潔。
    *   **直接配置項目**：
        *   聽寫語言。
        *   發音目標語言。
        *   功能開關設置。
        *   輸出格式設置。
    *   **模型設置邏輯**：僅顯示對應模型的參數，若用戶不配置，系統將使用預設值。
*   **功能整合**：
    *   **字典功能**：與舊版相同，支援設定翻譯或替換的文本字典。
    *   **使用工具**：其他相關工具整合於「使用工具」選項中，用戶可依需求選擇。

### 四、 字幕合成新功能
*   **字幕類型選擇**：
    *   **硬字幕**：逐字稿提及「印字幕」，指直接嵌入視頻畫面中的字幕。
    *   **軟字幕**：與視頻文件一起打包，用戶可獨立開關字幕顯示。

### 五、 實際演示與結果說明
*   **演示流程**：
    1.  配置聽寫語言與目標語言。
    2.  執行模型可用性測試。
    3.  執行影片翻譯任務。
*   **輸出結果說明**：
    *   **目標語言輸出**：僅包含中文翻譯內容。
    *   **Combine 輸出**：包含中文與原文對照內容。

## 工具 / 模型 / 名詞整理

*   **VoiceTransl**：影片介紹的軟體名稱，版本更新至 v1.30。
*   **Qwen3ASR**：新版本中使用的聽寫後端模型名稱。
*   **千問3S2**：逐字稿中對聽寫模型的口語稱呼，可能指代 Qwen3ASR 或相關版本。
*   **Valcan**：逐字稿中提及的顯卡驅動或相容性相關技術名稱，用於描述 A/I/N 卡支援，疑點待查。
*   **CUDA**：NVIDIA 平行運算平台，版本要求 10 系以上。
*   **A 卡、I 卡、N 卡**：分別指代 AMD、Intel、NVIDIA 顯卡。
*   **VAD**：語音活動檢測（Voice Activity Detection）相關參數。
*   **分代時常**：逐字稿提及的參數，疑點待查，可能為「分段時長」。
*   **印字幕**：逐字稿提及的術語，指直接嵌入視頻的字幕，通常稱為「硬字幕」。
*   **信譜**：逐字稿提及的留言對象，可能為頻道名稱、軟體名稱或聽寫錯誤，音近 Shinnpuru。

## 操作流程整理

1.  **準備階段**：
    *   確認顯卡型號（A/I/N 卡）及 CUDA 版本（10 系以上）。
    *   下載並安裝 VoiceTransl v1.30。
    *   重新下載新的聽寫模型（Qwen3ASR/千問3S2），因舊模型不通用。
2.  **測試階段**：
    *   打開「模型面板」。
    *   測試顯卡與模型是否可用。
3.  **配置階段**：
    *   設定聽寫語言。
    *   設定發音目標語言。
    *   調整 VAD、分段時長（疑點）、Token 上限等參數（可選，否則使用預設值）。
    *   設定輸出格式（目標語言輸出或 Combine 輸出）。
    *   設定字幕類型（硬字幕或軟字幕）。
    *   （可選）設定字典或選擇其他使用工具。
4.  **執行階段**：
    *   執行影片翻譯任務。
5.  **結果確認**：
    *   檢查輸出文件，確認是否為純翻譯或包含原文對照。

## 值得注意的限制或風險

1.  **模型不向下兼容**：新版聽寫模型（Qwen3ASR）與舊版模型不通用，舊模型無法直接使用，用戶必須重新下載新模型，這可能增加存儲空間需求或下載時間。
2.  **硬體依賴**：雖然支援多品牌顯卡，但仍需 CUDA 10 系以上顯卡，舊款或低階顯卡可能無法使用。
3.  **測試必要性**：由於介面簡化且參數預設化，建議用戶務必先進行模型測試，以避免執行任務時出現硬體或模型相容性問題。
4.  **術語辨識風險**：影片中提及的「Valcan」、「分代時常」、「印字幕」、「信譜」等詞彙存在辨識疑點，實際操作時請以軟體介面顯示為準，勿完全依賴口語描述。

## 逐字稿辨識疑點

以下項目在逐字稿中出現，但與常見技術術語或上下文不符，建議用戶自行查證或參考軟體實際介面：

1.  **Valcan**：
    *   **原文**：「Valcan的話就是A卡、I卡、N卡都可以用的」
    *   **疑點**：在顯卡驅動或技術領域中較不常見。可能為口誤、特定內部稱呼，或為「Vulkan」等技術名的聽寫錯誤。
2.  **分代時常**：
    *   **原文**：「VAD,分代時常」
    *   **疑點**：在語音處理參數中較不常見。可能為「分段時長」（Segment Duration）或類似概念的聽寫錯誤。
3.  **千問3S2**：
    *   **原文**：「新聽寫模型為千問3S2」
    *   **疑點**：與前文「Qwen3ASR」可能指涉同一模型，但名稱不一致。需確認是否為不同版本、口誤，或「S2」代表特定參數設定。
4.  **印字幕**：
    *   **原文**：「印字幕它是直接到視頻裡面的」
    *   **疑點**：通常稱為「硬字幕」（Hard Subtitles）。此處「印字幕」可能為口誤或特定術語，需查證軟體介面是否使用此稱呼。
5.  **信譜**：
    *   **原文**：「歡迎在，呃，評論區給信譜留言」
    *   **疑點**：可能為頻道名稱、軟體名稱或聽寫錯誤。根據網址資訊，項目地址為 `github.com/shinnpuru/VoiceTransl`，「信譜」音近 "Shinnpuru"，可能為開發者或專案名稱的音譯。

## 可延伸追問

1.  **Valcan 技術細節**：Valcan 具體指什麼技術？是否為 Vulkan API 的誤聽？它如何實現對 A/I/N 卡的統一支援？
2.  **Qwen3ASR 與千問3S2 的關係**：這兩個名稱是否指代同一個模型文件？如果是，為什麼名稱不同？
3.  **分代時常的具體定義**：該參數的具體作用是什麼？調整它會對聽寫結果產生什麼影響？
4.  **硬字幕與軟字幕的實際差異**：在 VoiceTransl 中，選擇硬字幕和軟字幕在後續編輯或播放上有何具體優劣？
5.  **舊模型遷移方案**：如果用戶有大量舊模型資源，是否有轉換工具或方法可以遷移至新模型？