# audio2text — CPU 开发配置
# 模型选同系列最小尺寸，验证流程 + 贴近 GPU 生产环境：
#   ASR     = whisper tiny.en（39M，英文专用，Whisper 同系列最小）
#   翻译    = opus-mt-en-zh（~300MB；NLLB-600M 需 ~2.4GB 内存，2GB 开发机 OOM，
#             故回退到最轻量英译中模型。翻译质量与 GPU 的 NLLB 有差异，但流程一致）
# 其余配置（存储、断句、输出格式）与 GPU 版完全一致，仅模型/device/compute_type 不同。

server:
  host: 0.0.0.0
  port: 8000
  workers: 1

storage:
  upload_dir: /data/uploads
  work_dir: /data/.work
  output_dir: /data/outputs
  chunk_bytes: 1048576
  chunk_session_ttl_seconds: 300
  cache_retention_days: 7          # 任务产物保留天数，超期清理（字幕/中间音频/保留的原始视频+DB记录）
  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
  keep_audio: false

asr:
  model: tiny.en            # Whisper 同系列最小（39M，英文专用）
  device: cpu
  compute_type: int8         # CPU 量化，最省内存
  language: en
  word_timestamps: true
  vad_filter: true
  batch_size: 8             # CPU 无 GPU 并行收益，保持小批
  beam_size: 5              # tiny.en CPU 质量优先，保持默认 beam（无加速诉求）

translation:
  model: Helsinki-NLP/opus-mt-en-zh   # 最轻量英译中（~300MB；NLLB-600M 需 ~2.4GB，2GB 机 OOM）
  device: cpu
  src_lang: eng_Latn
  tgt_lang: zho_Hans
  batch_size: 8              # opus-mt 轻量，batch 适中
  max_length: 256
  sort_by_length: true       # 排序分批（CPU 收益小，但无害）

segmentation:
  max_words_per_line: 14
  max_duration_seconds: 7.0
  min_duration_seconds: 1.0
  max_chars_per_line: 42


logging:
  level: info              # debug | info | warning | error（控制台最低级别）
  buffer_size: 2000

docs:
  enabled: true
  username: admin
  password: "CHANGE_ME"
  realm: "audio2text docs"