https://github.com/buxuku/SmartSub/issues/329 提到： 如果源视频中存在「一段纯音乐或静默之后有一句发言」的片段，模型总是把这条字幕的时间轴起点打在这段纯音乐或静默之前。 更新后变成了： 如果原视频是 [语句1]--[静默时段1]--[语句2]--[静默时段2]--[语句3]，更新后的时间轴会变成 > 字幕1：[语句1前半] 字幕2：[语句1后半]+[静默时段1]--[语句2前半] 字幕3：[语句2后半]+[静默时段2]--[语句3前半] 字幕4：[语句3后半] 即使[静默时段]皆为**数秒**仍然是这种情况。
#329 提到：
如果源视频中存在「一段纯音乐或静默之后有一句发言」的片段，模型总是把这条字幕的时间轴起点打在这段纯音乐或静默之前。
更新后变成了：
如果原视频是 [语句1]--[静默时段1]--[语句2]--[静默时段2]--[语句3]，更新后的时间轴会变成
即使[静默时段]皆为数秒仍然是这种情况。