zikai
00e2a95fb7
- 音频/视频转双语(英/中)SRT 字幕，Docker 容器化，CPU 开发/GPU 生产同一份代码 - faster-whisper ASR(词级时间戳) + 断句时间戳重算 + NLLB 翻译(模型不共驻) - 分片上传(断点续传) + SQLite 持久化 + 主页/历史/日志页面 - 历史页文件名搜索；缓存定时清理(默认保留7天，可配置) - 双 Dockerfile(cpu/gpu) + setup/start/stop 脚本
56 lines
2.6 KiB
YAML
56 lines
2.6 KiB
YAML
# audio2text 运行时配置。复制为 config.yaml 后填值。所有路径相对容器内 /app。
|
||
# CPU dev / GPU prod 仅靠 device + model + compute_type 三项切换，代码不变。
|
||
|
||
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 流式分片
|
||
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（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 # 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）
|
||
# GPU prod：large-v3-turbo + float16，3090 上几 GB 视频几分钟出字幕
|
||
model: tiny.en
|
||
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
|
||
|
||
translation:
|
||
model: 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: 16 # 不与 ASR 共驻：翻译时显存独占，可用大 batch
|
||
max_length: 256 # 单条翻译最大 token
|
||
|
||
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 + 内存缓冲最低级别）
|
||
buffer_size: 2000 # /logs 页面内存缓冲条数
|
||
|
||
docs:
|
||
enabled: true
|
||
username: admin
|
||
password: "CHANGE_ME" # /docs Basic Auth，明文（root 持有，常量时间比较）
|
||
realm: "audio2text docs"
|