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
57 lines
1.5 KiB
YAML
57 lines
1.5 KiB
YAML
# 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
|
||
|
||
translation:
|
||
model: facebook/nllb-200-distilled-1.3B # 质量最好
|
||
device: cuda
|
||
src_lang: eng_Latn
|
||
tgt_lang: zho_Hans
|
||
batch_size: 16 # 不共驻时显存独占，大 batch
|
||
max_length: 256
|
||
|
||
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=详细子步骤, info=仅阶段转换, error=完整 traceback
|
||
buffer_size: 2000
|
||
|
||
docs:
|
||
enabled: true
|
||
username: admin
|
||
password: "CHANGE_ME"
|
||
realm: "audio2text docs"
|