# audio2text 运行时配置模板。
# 复制为 config.yaml 后填值。所有路径相对容器内 /app。
#
# CPU dev / GPU prod 仅靠 asr + translation 两段的 device/model/compute_type/batch_size 切换。
# 下方注释标注了 CPU（开发）与 GPU（生产）的推荐值对照。
# 完整对照：CPU 用 ./setup.sh（默认），GPU 用 AUDIO2TEXT_VARIANT=gpu ./setup.sh。

server:
  host: 0.0.0.0      # 容器内对外监听（由 docker -p 映射到宿主）
  port: 8000
  workers: 1         # ML 推理为重，固定单 worker 避免显存重复占用

storage:
  upload_dir: /data/uploads            # 上传视频落盘根目录
  work_dir: /data/.work                # 分片会话暂存 + 中间音频
  output_dir: /data/outputs            # 生成的 SRT 字幕输出
  chunk_bytes: 1048576                 # 1 MiB 服务端流式读缓冲（前端分片大小由前端定）
  chunk_session_ttl_seconds: 300       # 被放弃会话的存活秒数（后台 reaper 据此清理）
  cache_retention_days: 7              # 任务产物保留天数，超期清理（0=禁用）
  cache_cleanup_interval_hours: 24     # 定时清理间隔（启动时跑一次，之后循环）

processing:
  delete_original_after_extract: true  # 提取音频成功后删除原始视频，省空间
  keep_audio: false                   # 完成后是否保留中间 wav（默认删，只留字幕）

asr:
  # CPU dev：tiny.en + int8（Whisper 同系列最小，英文专用，~39M）
  # GPU prod：large-v3-turbo + float16（8x 速度，质量接近 large-v3，~3GB 显存）
  model: tiny.en                       # CPU: tiny.en | GPU: large-v3-turbo
  device: cpu                          # cpu | cuda
  compute_type: int8                   # CPU: int8 | GPU: float16
  language: en                         # 仅英语
  word_timestamps: true                # 词级时间戳：让断句精确而非纯匀速估算
  vad_filter: true                     # 过滤静音段，提升质量与速度
  batch_size: 8                        # CPU: 8 | GPU: 32（BatchedInferencePipeline 批量解码音频块，拉长单次 GPU 解码掩盖 CPU 特征提取间隙）
  beam_size: 5                         # CPU: 5（默认）| GPU: 2（turbo 鲁棒可降，候选数↓解码步数↓，加速明显质量损失小）

translation:
  # CPU dev：Helsinki-NLP/opus-mt-en-zh（~300MB，2GB 内存可跑）
  # GPU prod：facebook/nllb-200-distilled-1.3B（质量最好，~2.5GB 显存）
  # 注意：model 与 device 必须配套——GPU 模型配 CPU device 会 OOM，反之浪费硬件。
  model: Helsinki-NLP/opus-mt-en-zh    # CPU: opus-mt-en-zh | GPU: facebook/nllb-200-distilled-1.3B
  device: cpu                          # cpu | cuda
  src_lang: eng_Latn                   # NLLB 语言码：英语
  tgt_lang: zho_Hans                   # NLLB 语言码：简体中文
  batch_size: 8                        # CPU: 8 | GPU: 32（不共驻时显存独占可用大 batch）
  max_length: 256                      # 单条翻译最大 token
  sort_by_length: true                 # 按长度排序后分批，减少 padding 浪费（GPU 收益大）

segmentation:
  max_words_per_line: 14               # 单行最多词数，超出按逗号拆
  max_duration_seconds: 7.0            # 单条字幕最长 7 秒
  min_duration_seconds: 1.0            # 单条字幕最短 1 秒（太短则合并）
  max_chars_per_line: 42               # SRT 规范：每行 ≤42 字符

logging:
  level: info                          # debug | info | warning | error（控制台最低级别）
  buffer_size: 2000                    # /logs 页面内存缓冲条数

docs:
  enabled: true
  username: admin
  password: "CHANGE_ME"                # 部署前务必修改；留空则禁用 /docs
  realm: "audio2text docs"