整体识别、均等分割的区别

整体识别：

这是语音识别效果最好的，也是最消耗计算机资源的，如果视频比较大，又使用了 large-v3 模型，可能导致闪退。

在识别时，将整个语音文件传递给模型， 由模型内部使用 VAD 进行切分识别和断句，默认静音分割 200ms，最大语句长度3s，可在菜单--工具/选项--高级选项--VAD区域进行配置

均等分割：

顾名思义，这是按照固定长度，将语音文件切割为同样长度，再传递给模型，同时 OpenAI 模型下会强制使用均等分割，即在使用OpenAI模型时，不管你选择的是“整体识别”还是“预先分割”，都会强制使用“均等分割”。

均等分割每个片段是10s，静音分割语句间隔是500ms，可在菜单--工具/选项-高级选项--VAD区域进行配置

注意： 设定了10s，每个字幕大体上都是10s时长，但并非每个配音长度一定是10s，发音时长以及会移除配音末尾的静音。