feat: 调度器+并发管线+GPU优化+日志分级+前端修复

- scheduler: ffmpeg 异步线程 + GPU 串行调度 + 模型复用（2N→2 次加载）
- pipeline: 阶段拆分（extract/asr/translate），中间数据存 Task 字段
- translate_service: 长度排序批处理，padding 浪费减少 91%
- model_manager: ASR/翻译不共驻，BatchedInferencePipeline 批量解码
- 日志分级: INFO=任务流转里程碑，DEBUG=进度详情；默认 INFO
- 前端: 日志最新在上+滚动感知+退避轮询；24h 时间；上传中状态显示
- /health: 返回完整 Whisper/NLLB 配置
- upload_service: 单事务 complete + 扩展名白名单
- task_router: 合并 UploadSession 虚拟任务到列表
- Dockerfile: CPU/GPU 独立构建链，deps 缓存稳定
- prefetch_models: 安装时预下载模型权重

app/services/model_manager.py

@@ -54,15 +54,18 @@ class ModelManager:
             if self._translator is not None:
                 self._unload_translator_locked()
             s = get_settings().asr
-            logger.debug("加载 ASR 模型 model=%s device=%s compute_type=%s",
+            logger.info("加载 ASR 模型 model=%s device=%s compute_type=%s",
                         s.model, s.device, s.compute_type)
-            from faster_whisper import WhisperModel
+            from faster_whisper import WhisperModel, BatchedInferencePipeline
             # device/compute_type 组合：cpu+int8 / cuda+float16
-            self._asr = WhisperModel(
+            # BatchedInferencePipeline 包装 WhisperModel，使 transcribe() 支持 batch_size，
+            # 多个音频块（chunk_length=30s）一次性送 GPU 解码，配合内部 prefill 提高利用率。
+            whisper = WhisperModel(
                 s.model, device=s.device, compute_type=s.compute_type,
             )
+            self._asr = BatchedInferencePipeline(model=whisper)
             self._current = "asr"
-            logger.debug("ASR 模型已就绪。")
+            logger.info("ASR 模型已就绪（batched, batch_size=%d）。", s.batch_size)
             return self._asr
 
     def unload_asr(self) -> None:
@@ -72,7 +75,7 @@ class ModelManager:
     def _unload_asr_locked(self) -> None:
         if self._asr is None:
             return
-        logger.debug("卸载 ASR 模型（释放显存供翻译器独占）。")
+        logger.info("卸载 ASR 模型（释放显存供翻译器独占）。")
         # faster-whisper 模型无显式 close，del 即可
         del self._asr
         self._asr = None
@@ -89,7 +92,7 @@ class ModelManager:
             if self._asr is not None:
                 self._unload_asr_locked()
             s = get_settings().translation
-            logger.debug("加载翻译模型 model=%s device=%s", s.model, s.device)
+            logger.info("加载翻译模型 model=%s device=%s", s.model, s.device)
             from transformers import pipeline
             self._translator = pipeline(
                 "translation",
@@ -97,9 +100,11 @@ class ModelManager:
                 device=s.device,
                 src_lang=s.src_lang,
                 tgt_lang=s.tgt_lang,
+                batch_size=s.batch_size,  # pipeline 内部批大小，与 translate_service 分块对齐
             )
             self._current = "translator"
-            logger.debug("翻译模型已就绪（独占显存，可用大 batch）。")
+            logger.info("翻译模型已就绪（显存独占，batch_size=%d，sort_by_length=%s）。",
+                        s.batch_size, s.sort_by_length)
             return self._translator
 
     def unload_translator(self) -> None:
@@ -109,7 +114,7 @@ class ModelManager:
     def _unload_translator_locked(self) -> None:
         if self._translator is None:
             return
-        logger.debug("卸载翻译模型。")
+        logger.info("卸载翻译模型。")
         # 释放 pipeline 持有的 model + tokenizer
         mdl = getattr(self._translator, "model", None)
         tok = getattr(self._translator, "tokenizer", None)