[10-30 02:15]Thru3D媒体播放器0.15.2版发布（Pico国内已上架0.11.2老版本，国际0.15.1）（2D转3D/透视/看图/网盘/Emby/克隆语音朗读字幕)

yug12345

请问能用播放器播网页视频吗，想用来连osr

zelefans

0.15.0 更新说明
新增网页浏览与在线播放、普通 2D 视频立体人像透视，并完善书签管理、人像调节和低端设备适配。

• 新增 2D 视频立体人像透视：普通平面视频也能移除人物背景，在真实环境中观看带立体起伏的人像。支持调节立体强度，兼容设备可开启“精细层次”；画面大小与距离独立调节、记忆，从巨幕影院切换时保留原有观看位置。
• 新增网页浏览器（Beta）：支持网页浏览、射线键盘和网站登录。书签可新增、编辑，书签与历史均可搜索、批量删除；清理历史不删除网站登录，改善正常退出及重启后的登录状态保存。
• 新增 YouTube、Bilibili 网页视频播放：可输入视频网址，或将网页视频交给播放器接续播放，使用透视、2D 转 3D 等功能。部分youtube vr播放问题待修复，实际画质取决于片源与设备。
• AI 透视兼容低端设备：增加低端设备兼容处理，针对部分 PICO 头显画面全透明的问题提供回退方案；自动采用更轻的默认参数，持续掉帧时降低 AI 处理帧率，并修复兼容路径的内存增长与播放异常。
• 实时字幕状态修复：修复读取已有字幕缓存时仍显示“检查语音模型”的问题，让翻译状态正常显示。
  

“精细层次”会增加设备负担，开启后可能降低帧率

hiroma

0.１4.1感谢提供漫画阅读器 100% 图像显示功能。

【漫画阅读器】
台词识别率达到 85%，效果提升非常明显。

＜朗读功能＞
使用漫画：《别对映像研出手！映像研には手を出すな》
在 "https://fish.audio" 网站上，以斋藤飞鸟（饰演浅草氏）的台词作为音频样本生成了 MP3 数据。
将 MP3 转换为 MP4 后，导入 thru3d 进行采样并使用。
希望能用真人版浅草氏（斋藤飞鸟）的声音来朗读这部漫画。
"https://xfs.jp/gry2UA01" 3days

・ thru3d 的音频采样能否直接支持 MP3 格式？
    （目前需要手动从 MP3 转换为 MP4，操作略显繁琐）

・关于音频选择中的“自己的声音”这一表述：
    一开始很容易误以为是“通过麦克风实时录制自己的声音”，因而没有去使用。能否调整一下界面表述？（例如改为：“自定义声音 / 采样声音”）

・关于 thru3d 采样后的音质变味问题：
   应用到 thru3d 采样后，声线与 fish.audio 原始生成的声线相比变化较大，能否增加音高/音色校正功能以保持一致？
　　
【VR 视频播放】
在 AR（透视）模式下播放时，受限于原始视频素材，调整远近距离时可能会导致人物过大或比例不协调。
・除了现有的放大/缩小功能外，能否增加前后（深度/Z轴）和上下（高度/Y轴）的位置调整功能？
・在使用 Alpha 人物透视（背景抠像）功能时，出现了音频和视频正常播放但控制器无响应（冻结）的情况。
   将 Quest 3 暂时休眠后再唤醒，控制器恢复了识别。猜测可能是发热过高或系统负载过大导致的……

【2D 视频播放】
测试视频：Colony.2026.1080p.WEBRip.Dual.Audio.DD5.1.10bits.x265-Rapta.mkv
在 thru3d 中，选择原始语言（英语）并使用自动翻译显示了日语字幕。
我想用英语音频来生成字幕，但同时播放韩国语配音来观看。
・  能否将“用于生成字幕的音频轨道”与“实际播放输出的音频轨道”分开设置？

    (注：本人已加入 Meta Quest PTC 测试计划)

zelefans

hiroma 发表于 2026-10-28 10:02
0.１4.1感谢提供漫画阅读器 100% 图像显示功能。

【漫画阅读器】

- thru3d 的音频采样能否直接支持 MP3 格式？
  我原本想着MP3都是歌曲，克隆没有意义，所以就没做，加上不难，尽量下个版本

- 关于音频选择中的“自己的声音”这一表述：
  没问题，用我克隆的声音。克隆和采样是不一样的
  
- 关于 thru3d 采样后的音质变味问题：
   这个极难，克隆的规则只能依靠模型，内嵌的是一个40多MB的小模型，克隆出来的是一堆参数，我也无从改期，效果肯定不如大模型。一般做克隆就只能取多段单独听，有的好的有的差。特别轻的ASMR克隆效果极差，也是很轻的声音，这部分已经做过了自动调整音高db让克隆出来声音接近正常。

- 这个需求我理解了，我们现在VR下的远近其实是脱离了球心的，SKYBOX不会，我会试图改一下。但是有问题，这个适合做成单片设置保存，不适合做成全局的吧？

- 透视功能占了大量GPU和内存，我1.4.1增加了低内存模式，你可以试着切一下，影响部分视频清晰度。GPU负荷重的一大部分原因是8K视频合成层解码。我接下去会专门一个版本专攻这部分。

- 字幕音轨，"，选择原始语言（英语）并使用自动翻译显示了日语字幕。"这个是BUG？
音轨分开没问题，多个选项，默认还是播放中的音轨

- 你在 Meta Quest PTC 测试计划 啊，难怪。 不够你在1.4.1能看到我专门为类似你这种情况做了日志功能，你可以试着卡顿之后，保存日志，然后打开临时WIFI，电脑下载日志法给我，日志敏感文件名字等内容都脱敏过了，可以放心

hiroma

zelefans 发表于 2026-10-28 10:44
- thru3d 的音频采样能否直接支持 MP3 格式？
  我原本想着MP3都是歌曲，克隆没有意义，所以就没做，加 ...

把每一块都单独保存起来就完美了！

hiroma

hiroma 发表于 2026-10-28 10:56
把每一块都单独保存起来就完美了！

「啊，误会了！我的意思是：在VR里调节远近和上下位置时，这个设置能够针对每个视频（作品）进行单独保存就完美了！（跟语音クローン没有关系哈哈）」

just4k2

提一个小小的建议：文件夹能否像4xvr那样，显示内部视频的缩略图。因为站里下载的资源都是文件夹形式。
这样不点进文件夹，通过缩略图，也能大致知道演员是谁。

zelefans

0.15.1 更新说明
新增浏览器多标签与双窗口、网页全屏自动接管和手机/电脑远程管理，优化字幕界面、VR 画面调节与音色试听。

• 浏览器多标签与双窗口：支持最多 4 个标签、同时显示 2 个窗口，可拆分、合并、拖动和缩放，支持浮动与影院显示、系统键盘输入。优化顶部标签、导航及影院近身工具栏，降低后台占用，改善页面卡住后的恢复。
• 网页视频播放升级：支持的网站可在视频全屏时自动交给播放器，按实际格式进入平面、VR180 或 360°，也可手动点击“用播放器播放”。缩短接管等待，改善网络重试、播放后返回原标签及 B 站链接响应，扩展微博、腾讯视频、芒果 TV、优酷、TikTok、TED 等站点接管。
• 手机/电脑管理书签与历史：同一 Wi-Fi 下可编辑、搜索、批量导入导出书签，复制或删除浏览历史，方便整理收藏与反馈问题链接；支持可选配对码，关闭远程访问前增加确认。
• VR 画面调节更直观：握持键配合摇杆调整位置、缩放和双目水平对齐，支持一键回正与逐片记忆。水平对齐范围扩大至 ±10%，调整时显示当前数值与刻度，操作说明可在设置中查看。
• 字幕界面与编码改进：听写翻译、朗读和字幕调整分别在右侧展开，减少面板堆叠，折叠后仍显示运行状态；整理全片字幕任务入口及同步微调。外挂字幕自动识别常见中日韩编码，支持手动选择与记忆，减少显示和朗读乱码。
• 克隆音色取样与试听改进：支持从 MP3、WAV、M4A 或视频中取样，统一“我的克隆音色”命名；长段试听采用分句生成与完整性检查，避免异常尾音被播放。
• 音乐播放器新增 M4A 支持：可导入并播放 M4A 音乐。
  

网页功能仍为 Beta，站点可用性受账号、地区与网站限制；PICO 国内商店版不提供网页浏览入口。

hiroma

感谢更新 0.15.1！

【漫画阅读器】
台词的台词识别率达到了 90%，真的变好了很多！
语音朗读大部分都是很标准的日语，听起来很舒服。不过有时候出现类似
“…”的时候，好像会偶尔混进几句中文（笑）。

【朗读功能】
之前用音质较差或语速较快的 MP3 采样时失败了几次，但改用 MP4 视频提取音频进行采样后，
效果简直出奇的好！太棒了，谢谢！
用类似斋藤飞鸟的声音来朗读漫画，体验真的超赞！
「結果は良好！仕上げを御覧じろ！だった！」谢谢！

【VR 视频播放】
Alpha Passthrough（抠像透视）的精度相当高，非常棒。
・感谢增加了左右和上下移动的调整！如果按住扣扳机键（右Trigger）移动时也能显示刻度就更完美了。
另外，能否增加一个“抓握键（右Grip？）+ 摇杆上下（↑↓）”来做纯粹的前后/深度移动（Z轴，不改变视频本身大小的拉近/推远）的功能呢？

【2D 视频播放】
字幕使用的音频与播放音频可以分别指定，这个功能太棒了！
比如“韩语发音 + 日语（翻译）+ 英语字幕”这种组合，如果翻译精度再提高一点的话，绝对是语言学习的神器！

关于人物 Passthrough（抠像），请问有什么可以进一步提高精度的设置技巧吗？

zelefans

hiroma 发表于 2026-10-29 04:46
感谢更新 0.15.1！

【漫画阅读器】

【漫画阅读器】
其实优化了2天，引入了漫画气泡识别模型稍微好了点，日语是引入了汉字转片假名，让阅读更稳定了点，估计也会读错

【朗读功能】
其实没怎么修改模式，可能是正好用到的片段质量比较好，这部分我昨天大量尝试之后发现太随机了，估计还要专门技术攻关。

【VR 视频播放】
现在Grip都有刻度，Trigger要显示什么刻度信息？
现在应该按住GRIP+↑↓和不按住GRIP直接↑↓，效果都是Z轴，对应的左手的Y轴和X轴。这是我确认过的。所以我不确定怎么做法……

【2D 视频播放】
听写能力已经到顶了，40MB的小模型不能和几个GB的Whisper比较……其实就是应急用，没有字幕着急

头显里装下这几十MB的抠图模型已经几乎极限了，优化过两轮了。要再精细需要用我开发的Thru3D Media Server，使用离线模型抠视频，例如SAM3。