# audio2text — GPU 生产配置（NVIDIA 3090 24G）
# 模型按之前指定选型，质量优先：
#   ASR     = whisper large-v3-turbo（8x 速度，质量接近 large-v3）
#   翻译    = NLLB-200-distilled-1.3B（质量最好）
# ASR 与翻译不共驻：翻译时卸载 Whisper 独占显存跑大 batch。

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: large-v3-turbo       # 8x 速度，质量接近 large-v3
  device: cuda
  compute_type: float16       # 3090 FP16，速度与显存兼顾
  language: en
  word_timestamps: true
  vad_filter: true
  batch_size: 32             # BatchedInferencePipeline：每批解码 32 个 30s 音频块，拉长单次 GPU 解码掩盖 CPU 特征提取间隙
  beam_size: 2               # turbo 鲁棒，beam=2 留一个候选做保险（vs beam=5 候选数↓ 解码步数↓，加速明显质量损失小）

translation:
  model: facebook/nllb-200-distilled-1.3B   # 质量最好
  device: cuda
  src_lang: eng_Latn
  tgt_lang: zho_Hans
  batch_size: 32             # 不共驻时显存独占，大 batch 填充 GPU
  max_length: 256
  sort_by_length: true       # 按句子长度排序后分批，减少批内 padding 浪费

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"