WhisperX 歌词

WhisperX 会根据纯文本歌词或 LRC 歌词生成逐字卡拉 OK 时间轴。处理过程中，主应用会将歌词和分离后的人声轨道发送给 Demucs 服务。WhisperX 会检测语言，使歌词与人声对齐，并返回包含完整同步歌词的 JSON 文件。

使用此页面配置 WhisperX 的语言和对齐工作流。部署需要固定值时，也可以通过环境变量配置这些设置。

WhisperX 转录模型

用于语言检测的 WhisperX 转录模型。默认值为 tiny，因为语言已知时，后端无需转录完整音频。

WhisperX 对齐语言

WhisperX 用于对齐的语言。请输入语言代码，例如 en 或 zh。

在语言检测和固定语言之间选择

如果卡拉 OK 媒体库包含多种语言的歌曲，请启用语言检测。WhisperX 会选择合适的对齐模型，对不熟悉技术设置的用户来说，自动检测通常更方便。单首歌曲可以覆盖检测到的语言。

如果媒体库主要使用一种语言，请手动指定该语言。这样可以避免不必要的检测，减少因选择错误模型而导致对齐结果不准确、卡拉 OK 时间轴质量较差的可能性。手动指定语言后，可以跳过语言检测转录步骤。

转录前检测语言

启用后，WhisperX 会在对齐前检测音频语言并选择合适的模型。

使用同步歌词时间轴

此选项默认禁用，建议保持禁用。WhisperX 可以接受同步 LRC 行，例如 [0:01.000] line。这些行会为每句歌词提供一个时间戳，有助于提高对齐速度。

不过，外部来源的歌词很少与卡拉 OK 使用的视频或音频同步。因此，使用这些时间戳可能会降低逐词对齐的质量。

WhisperX 预加载列表

这是 WhisperX 用于提前下载和加载模型的逗号分隔列表。默认值为 transcription=tiny,align=en。条目使用 type=model 格式，例如：

• transcription=tiny：预加载用于语言检测的转录模型。
• align=en：预加载英语对齐模型。
• align=zh：预加载中文对齐模型。

模型必须下载后才能使用。预加载 WhisperX按钮会在第一个卡拉 OK 处理任务开始前，提前下载并加载配置的模型。