SSD Nodes Learn Hosting plans →
Guías Matt ConnorPor Matt Connor

Cómo usar una GPU NVIDIA para transcodificar en Jellyfin

Configura Jellyfin con Docker Compose para usar NVENC y NVDEC, comprueba que el contenedor ve la GPU y verifica la transcodificación real con nvidia-smi.

Qué va a configurar

La transcodificación por hardware de Jellyfin en una GPU NVIDIA consta de cuatro pasos en un orden fijo. Sólo el último se realiza dentro de Jellyfin. El contenedor no puede ver una GPU cuyo controlador no haya cargado el host. Jellyfin no puede usar una GPU que el contenedor no pueda ver. Siga este orden y cada fallo tendrá un lugar claro donde buscar.

  1. Instale el controlador de NVIDIA en el host y confírmelo con nvidia-smi.
  2. Instale NVIDIA Container Toolkit para que Docker pueda asignar una GPU a un contenedor.
  3. Reserve la GPU para el servicio de Jellyfin en docker-compose.yml y confirme que el contenedor puede verla.
  4. Active NVENC y NVDEC en los ajustes de reproducción de Jellyfin y confirme que una reproducción real los utiliza.

NVENC (codificador de NVIDIA) y NVDEC (decodificador de NVIDIA) son bloques de función fija de la tarjeta. Son componentes de silicio independientes de los núcleos de sombreado que ejecutan tareas de CUDA (compute unified device architecture). Esa separación es la razón principal para usar esta configuración: una transmisión que consume varios núcleos de CPU mediante software utiliza una pequeña fracción de un núcleo y un bloque de hardware dedicado de la GPU.

La reproducción directa siempre es mejor que cualquier transcodificación, así que compruébela primero

Antes de configurar nada de esto, averigüe si está transcodificando por un motivo que pueda eliminar fácilmente. Jellyfin transcodifica cuando el cliente no puede reproducir el archivo tal como está. El motivo casi siempre pertenece a una lista corta: el códec de vídeo, el códec de audio, el formato del contenedor, los subtítulos basados en imágenes, un límite de tasa de bits solicitado por el cliente o una resolución u otra restricción indicada por el cliente.

Abra Dashboard y, después, Playback. Supervise una sesión activa mientras se reproduce algún contenido. Una sesión marcada como Direct playing envía el archivo sin modificar y consume muy poca CPU. Una sesión marcada como Transcoding muestra el motivo por el que Jellyfin la seleccionó. Elimine ese motivo y la GPU no tendrá que ejecutarse.

Dos cambios eliminan la mayoría de las transcodificaciones. Configure la calidad de la aplicación cliente como Auto o en el valor máximo, porque un cliente que solicita 4 Mbps fuerza la recodificación de un archivo de 20 Mbps, independientemente del códec que contenga. Después, use una aplicación cliente nativa en lugar de una pestaña del navegador, porque el navegador es el reproductor más limitado que tiene y una aplicación nativa en el mismo televisor suele reproducir directamente el mismo archivo.

Los subtítulos basados en imágenes sólo necesitan integrarse en el vídeo cuando el cliente no puede renderizarlos directamente. Los subtítulos PGS de una copia de Blu-ray y los VOBSUB de una copia de DVD son imágenes, pero los clientes compatibles los muestran sin volver a codificar el vídeo; el reproductor integrado de Android de Jellyfin admite PGS directamente. Los subtítulos de texto en formato SRT se envían por separado cuando el cliente los admite. Convertir las pistas de subtítulos a texto resulta útil cuando la compatibilidad de los subtítulos obliga a integrarlos en el vídeo. El resto de la configuración del servidor se explica en la guía para ejecutar un servidor multimedia Jellyfin en un VPS.

La mayoría de los planes VPS no incluyen ninguna GPU

Los planes VPS estándar no incluyen una GPU. Ejecute esto en el servidor antes de planificar cualquier otra cosa.

lspci -nn | grep -Ei "3d|display|vga"

En un VPS KVM típico, este comando muestra un adaptador de pantalla virtual del hipervisor o no muestra nada útil. Ese dispositivo no puede codificar vídeo. Una GPU real sólo aparece cuando el proveedor asigna una tarjeta física a su instancia o le proporciona una parte de ella. Esos planes tienen un precio acorde. Qué cargas de trabajo justifican realmente pagar por un VPS con GPU explica quién debería pagar por una GPU y quién no.

Si no hay GPU, dé prioridad a la reproducción directa y considere la transcodificación por software como un caso excepcional. Una única transcodificación por software de 1080p H.264 exige muchos recursos, pero puede ejecutarse con algunos núcleos de CPU. Una transcodificación por software de 4K HDR con asignación de tonos no puede completarse en tiempo real en un VPS pequeño. Por eso, la transmisión se entrecorta mientras la CPU permanece al 100 por ciento.

Instalar el controlador de NVIDIA en el host

Jellyfin 10.11 documenta una versión mínima del controlador de NVIDIA de 520.56.06 en Linux. La compilación de jellyfin-ffmpeg instalada puede requerir un controlador más reciente; su registro de transcodificación informa de la versión mínima cuando la API NVENC del controlador es demasiado antigua. Ubuntu incluye un asistente que selecciona un paquete compatible.

sudo ubuntu-drivers list --gpgpu
sudo ubuntu-drivers install --gpgpu
sudo reboot

--gpgpu selecciona la variante del controlador para servidores sin interfaz gráfica, que es la adecuada para un servidor multimedia porque el equipo no tiene entorno de escritorio. El comando de listado muestra las ramas disponibles y puede fijar una por nombre, por ejemplo, sudo ubuntu-drivers install --gpgpu nvidia:570-server. Use una rama que el listado haya mostrado realmente, no la que aparece aquí.

La variante para servidores no siempre instala nvidia-smi. Instale el paquete de utilidades correspondiente a la rama elegida, por ejemplo, sudo apt install nvidia-utils-570-server. Después, compruebe el controlador.

nvidia-smi

Un resultado correcto muestra una tabla con la versión del controlador y la versión de CUDA en la cabecera, y la tarjeta aparece identificada por su nombre. La lista de procesos informa de los procesos que usan recursos de la GPU de tipo Compute, Graphics u Other; puede contener entradas en una GPU en buen estado, y una lista vacía significa que no se han detectado procesos de GPU. En este punto son habituales dos errores. nvidia-smi: command not found significa que falta el paquete de utilidades, no el controlador. NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver significa que el módulo del kernel no está cargado. En una instalación nueva, casi siempre se debe a que todavía no se ha reiniciado el equipo o a que Secure Boot impide cargar un módulo sin firmar. Confirme que el módulo está presente con lsmod | grep nvidia. Si no muestra nada y sudo modprobe nvidia falla con Key was rejected by service, Secure Boot está bloqueando el módulo. Borrar el rechazo de la clave de Secure Boot explica cómo comprobar el estado del firmware y después inscribir una clave de propietario de máquina o desactivar la aplicación de la política.

Instale NVIDIA Container Toolkit

El controlador permite que el host use la GPU. Docker todavía no la pasará a un contenedor porque el contenedor no tiene los nodos de dispositivo ni las bibliotecas del controlador. NVIDIA Container Toolkit inyecta ambos elementos al iniciar el contenedor. Estos comandos siguen los pasos de instalación de NVIDIA para Debian y Ubuntu. La guía actual de NVIDIA también fija los paquetes de Toolkit en una versión mediante una variable; si se omite esa fijación, como aquí, se instala la versión más reciente disponible en el repositorio.

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

Instalar el paquete no es suficiente porque debe indicar a Docker que el runtime existe.

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

nvidia-ctk runtime configure escribe una entrada de runtime nvidia en /etc/docker/daemon.json. El reinicio es el paso que suele omitirse. Omitirlo produce el error más común de toda esta configuración. Pruebe la integración antes de modificar Jellyfin.

sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

Esto debería mostrar la misma tabla que mostró el host. Si en su lugar falla con un error que indica que no se puede seleccionar un controlador de dispositivo con capacidades gpu, el daemon de Docker no conoce el runtime nvidia. Ejecute de nuevo el comando de configuración y reinicie el daemon.

Dar acceso a la GPU al contenedor de Jellyfin en Docker Compose

Esta es la sintaxis moderna de Compose. Se basa en el ejemplo que publica Jellyfin y especifica de forma explícita las dos variables de entorno de NVIDIA.

services:
  jellyfin:
    image: jellyfin/jellyfin
    container_name: jellyfin
    user: 1000:1000
    network_mode: host
    restart: unless-stopped
    environment:
      - NVIDIA_VISIBLE_DEVICES=all
      - NVIDIA_DRIVER_CAPABILITIES=all
    volumes:
      - /srv/jellyfin/config:/config
      - /srv/jellyfin/cache:/cache
      - /srv/media:/media:ro
    runtime: nvidia
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

Inícielo y consulte directamente al contenedor.

docker compose up -d
docker compose exec jellyfin nvidia-smi

Si muestra la tabla de controladores desde dentro del contenedor, la visibilidad de la GPU y la biblioteca de gestión funcionan. Aún debe comprobar las bibliotecas de vídeo y una transcodificación real.

Cuatro líneas de ese archivo requieren una explicación. capabilities: [gpu] es necesaria para el propio Compose. Si se omite, Compose rechaza el servicio en lugar de iniciarlo sin GPU. NVIDIA_DRIVER_CAPABILITIES=all es importante porque el toolkit sólo monta las bibliotecas de vídeo en el contenedor cuando se solicita la capacidad de vídeo. Si la variable no está definida, el valor predeterminado sólo incluye utility y compute. La imagen oficial de Jellyfin ya la define. Por tanto, en esa imagen la línea protege frente a cualquier sobrescritura. La documentación de Jellyfin indica que debe añadirla manualmente si crea su propia imagen. Sin la capacidad de vídeo, CUDA funciona, pero NVDEC no. El registro de transcodificación muestra Cannot load libnvcuvid.so.1. network_mode: host es la opción que usa el propio ejemplo de NVIDIA de Jellyfin. La guía de contenedores de Jellyfin indica que la red del host es opcional, pero necesaria para DLNA. Si usa una red bridge, debe publicar manualmente 8096/tcp y el puerto de autodetección 7359/udp.

user: 1000:1000 es la última. No tiene relación con la GPU. Determina qué archivos puede leer Jellyfin en el montaje de medios. Si no coincide, la biblioteca aparece vacía en lugar de mostrar un error de permisos. Cómo asignan PUID y PGID un usuario del contenedor a los archivos del disco explica la numeración. Es la misma numeración que ya configuró si ejecuta la pila de Sonarr y Radarr en Docker Compose junto a este contenedor.

Por qué la mayoría de los tutoriales siguen escribiendo runtime: nvidia

La forma anterior aparece en casi todas las guías que encontrará y no es incorrecta. Es una cuestión histórica. El paquete nvidia-docker2 original registraba un runtime de OCI llamado nvidia, y la ruta basada en variables de entorno usaba NVIDIA_VISIBLE_DEVICES con ese runtime, seleccionado mediante --runtime=nvidia o configurado como runtime predeterminado de Docker. Docker 19.03 añadió el flag --gpus y una API adecuada para solicitar dispositivos. Compose tardó más en adaptarse y, cuando lo hizo, la solicitud de dispositivos se incorporó bajo deploy.resources.reservations.devices, una clave que la mayoría había aprendido a ignorar porque deploy solía significar Docker Swarm.

El resultado es que ambas formas funcionan actualmente, y el ejemplo publicado de Jellyfin incluye las dos a la vez. Mantener runtime: nvidia no cuesta nada y hace que el archivo funcione con versiones antiguas de Compose. Si conserva sólo runtime: nvidia y elimina el bloque deploy, debe mantener NVIDIA_VISIBLE_DEVICES=all, porque esa ruta heredada lee la variable de entorno para decidir qué dispositivos debe inyectar y no tiene una solicitud de dispositivos alternativa que pueda leer.

Activar la transcodificación por hardware de NVIDIA en Jellyfin

Hasta ahora, nada ha indicado a Jellyfin que use la tarjeta. Vaya a Dashboard, después a Playback y luego a Transcoding. Establezca Hardware acceleration en Nvidia NVENC. Marque Enable hardware encoding; de lo contrario, Jellyfin decodifica en la GPU y después codifica en la CPU. Ese es el estado intermedio confuso en el que la GPU muestra actividad y la CPU sigue trabajando intensamente.

Active Enable enhanced NVDEC decoder para alternar entre la ruta NVDEC actual y la ruta CUVID antigua. Déjelo activado. La gestión de Dolby Vision necesita esta opción activada para usar NVDEC.

En Enable hardware decoding for, marque sólo los códecs que su tarjeta pueda decodificar realmente. Esta es la opción que suele configurarse mal. Marcar AV1 en una tarjeta sin decodificador AV1 puede solicitar la decodificación por hardware y fallar con Hardware is lacking required capabilities. Seleccionar un códec no compatible no garantiza que se recurra a la decodificación por software.

Se aplica otra limitación a toda la página: la aceleración por hardware sólo tiene compatibilidad completa con la compilación jellyfin-ffmpeg incluida. La documentación de Jellyfin advierte que los binarios de FFmpeg procedentes de cualquier otro lugar producen una aceleración parcial. Por tanto, si estableció la ruta de FFmpeg en un FFmpeg del sistema, vuelva a cambiarla.

Qué códecs puede decodificar y codificar tu generación de GPU

Estos son los límites que documenta Jellyfin para NVENC y NVDEC. La decodificación y la codificación son capacidades independientes, y una tarjeta puede tener una sin tener la otra.

  • H.264 de 8 bits: todas las GPU de NVIDIA con NVENC y NVDEC lo decodifican y codifican.
  • HEVC de 8 bits: decodificación y codificación desde Maxwell de segunda generación (GM206) y posteriores.
  • HEVC de 10 bits: decodificación desde Maxwell de segunda generación y posteriores; sólo las variantes GM206 de esa generación la admiten, pero la codificación sólo está disponible desde Pascal y posteriores.
  • AV1: decodificación desde Ampere y posteriores, excepto el chip de centro de datos GA100 (la tabla de decodificación de NVIDIA también indica que Hopper no admite decodificación AV1), y codificación desde Ada Lovelace y posteriores, que Jellyfin admite desde la versión 10.9.

La diferencia con HEVC de 10 bits es la que más problemas causa en la práctica. Una tarjeta Maxwell basada en GM206 decodifica el archivo 4K HDR en la GPU y no puede codificar una salida de 10 bits, pero admite la codificación H.264 de 8 bits y HEVC de 8 bits. Los demás chips Maxwell no decodifican HEVC de 10 bits mediante hardware. Jellyfin selecciona el códec de salida según las capacidades del cliente y la configuración de codificación; su ruta de transcodificación HEVC fuerza el perfil Main de 8 bits. Elige la salida AV1 sólo para clientes que la admitan.

Por qué el tone mapping vuelve a saturar silenciosamente la GPU

El tone mapping de HDR (high dynamic range) a SDR (standard dynamic range) es el ajuste que consume de nuevo el presupuesto de GPU, y la razón es arquitectónica. La decodificación se ejecuta en NVDEC. La codificación se ejecuta en NVENC. El tone mapping no se ejecuta en ninguno de los dos: es un filtro CUDA que se ejecuta en los núcleos de shaders, la parte de propósito general de la GPU que también ejecuta cargas de cálculo. Por tanto, una transmisión 4K HDR que necesita tone mapping utiliza el decodificador y el codificador, y además carga los shaders.

Jellyfin documenta el tone mapping de CUDA como disponible en cualquier GPU NVIDIA que pueda decodificar HEVC 10-bit. Esto significa que la casilla aparece y funciona en tarjetas que no pueden mantener ese procesamiento a 4K. El síntoma es una transmisión que se inicia, empieza a almacenar búfer y nunca se estabiliza, mientras nvidia-smi muestra que el codificador apenas está ocupado.

Por eso conviene supervisar por separado la carga de los shaders.

nvidia-smi dmon -s u

Esto muestra una línea por segundo con columnas separadas para sm, enc y dec. Un valor bajo de enc y dec junto a un valor alto de sm apunta a los shaders y no a los bloques de función fija, por lo que el coste probable corresponde al tone mapping, al escalado o a la incrustación de subtítulos. Considérelo una indicación, no una prueba: NVIDIA define la utilización de la GPU como la proporción del período de muestreo durante la que se ejecutó al menos un kernel, por lo que un valor alto indica que los shaders estaban ocupados, pero no que estuvieran saturados. La ruta CUDA también gestiona Dolby Vision profile 5 con zero copy. Esto es importante porque, sin zero copy, los fotogramas salen a la memoria del sistema y vuelven entre los pasos de filtrado, y ese recorrido consume ancho de banda en cada fotograma.

Qué limita realmente el límite de sesiones NVENC para tarjetas de consumo

GráficoNVENC engines and concurrent encode session cap, NVIDIA published support matrix, October 2026
Los datos de este gráfico
[
  {
    "label": "GeForce RTX 5090",
    "nvenc_engines": 3,
    "max_encode_sessions": 12
  },
  {
    "label": "GeForce RTX 4090",
    "nvenc_engines": 2,
    "max_encode_sessions": 12
  },
  {
    "label": "GeForce RTX 4060",
    "nvenc_engines": 1,
    "max_encode_sessions": 12
  }
]

Esas son las cifras publicadas por NVIDIA en su matriz a fecha de octubre de 2026, no mediciones realizadas aquí. La política de NVIDIA limita a 12 el total combinado de sesiones de codificación simultáneas en todas las tarjetas GeForce de un mismo sistema, independientemente de los modelos. El límite está en el controlador, no en el silicio, y NVIDIA lo ha aumentado varias veces a lo largo de los años. Por eso, consulte la matriz actual en lugar de un hilo antiguo del foro. El número de motores es lo que realmente cambia según la tarjeta: la GeForce RTX 5090 tiene 3 motores NVENC, mientras que la GeForce RTX 4060 tiene 1. Más motores significan un mayor rendimiento de codificación en paralelo, no un límite de sesiones más alto.

El límite cuenta las sesiones de codificación, incluidas las codificaciones de vídeo ajenas a Jellyfin. La reproducción directa y el remuxing nunca abren una sesión de codificación. Las tarjetas de centros de datos, como la L4, aparecen como no restringidas en la misma matriz. Sin embargo, modelos como la A100 y la H100 no tienen codificador NVENC. Compruebe la tarjeta exacta incluida en el plan de GPU VPS.

Cuando alcanza el límite, la transcodificación falla y el registro de FFmpeg contiene OpenEncodeSessionEx failed: out of memory (10). El mensaje menciona la memoria, pero un rechazo por límite de sesiones informa del mismo código. Compruebe el número de streams simultáneos antes de buscar una fuga de VRAM. En la práctica, la mayoría de los usuarios alcanza antes el límite del mapeo de tonos o el ancho de banda de subida que la sesión doce.

Compruebe que la GPU realiza la transcodificación; no confíe en la configuración

Una configuración guardada no es una prueba. Reproduzca un archivo que sepa que obliga a transcodificar y realice estas tres comprobaciones.

  1. Abra Dashboard y, después, Playback. La sesión activa debe indicar Transcoding y mostrar el motivo. Si indica Direct playing, no se está realizando ninguna transcodificación y está probando el archivo equivocado.
  2. Abra Dashboard y, después, Logs. Abra el registro FFmpeg.Transcode más reciente. Una transcodificación completa por hardware muestra -hwaccel cuda y -hwaccel_output_format cuda en la línea de comandos, junto con un codificador NVENC como h264_nvenc o hevc_nvenc, o el codificador NVENC de AV1 en Ada Lovelace y versiones posteriores. Si aparece libx264, la codificación se ejecuta por software, independientemente de lo que indique la página de configuración. Si falta -hwaccel cuda junto a un codificador NVENC, la decodificación es la parte que se ejecuta por software.
  3. Ejecute nvidia-smi en el host mientras continúa la reproducción. Debe aparecer un proceso de /usr/lib/jellyfin-ffmpeg/ffmpeg con memoria de GPU asignada, y nvidia-smi dmon -s u debe mostrar valores distintos de cero en las columnas enc y dec.

Realice la tercera comprobación en el host, no dentro del contenedor. nvidia-smi dentro de un contenedor suele mostrar una lista de procesos vacía porque no puede ver los ID de proceso que están fuera de su propio espacio de nombres, mientras que los valores de utilización siguen mostrándose correctamente. Una lista de procesos vacía dentro del contenedor no indica un error.

Cuando recurre al software sin avisar

Jellyfin selecciona un codificador por software cuando la codificación por hardware está deshabilitada o el codificador por hardware solicitado no está disponible. Un proceso por hardware que falla durante la reproducción también puede hacer que falle el stream, por lo que debe leer el registro de FFmpeg en lugar de asumir que todos los fallos recurren al software.

Cannot load libnvcuvid.so.1 en el registro de transcodificación significa que el cargador dinámico no pudo cargar la biblioteca del decodificador. El mensaje por sí solo no confirma si la biblioteca estaba montada. Compruebe NVIDIA_DRIVER_CAPABILITIES=all y las bibliotecas de controladores y los enlaces dinámicos del contenedor. Si cambia el entorno, recree el contenedor con docker compose up -d; un reinicio normal conserva la configuración anterior.

No capable devices found de h264_nvenc significa que FFmpeg llegó a la biblioteca del codificador, pero no encontró ninguna tarjeta utilizable. Compruebe docker compose exec jellyfin nvidia-smi de nuevo y lea los mensajes anteriores del registro para detectar fallos relacionados con el dispositivo y las capacidades del codificador.

Un uso elevado de CPU con una GPU inactiva es motivo para comprobar qué etapas usan software. Desmarque los códecs que su generación de hardware no puede decodificar, reproduzca de nuevo el mismo archivo y vuelva a leer el registro de FFmpeg para comprobar si aparece -hwaccel cuda. Si aparece y la CPU sigue ocupada, busque una etapa que Jellyfin no pueda ejecutar en la GPU, como la incrustación de subtítulos en la imagen.

Una transcodificación que comienza y después se detiene con 4K HDR mientras 1080p funciona correctamente suele indicar el límite del tone mapping, no una instalación dañada. Supervise la columna sm en nvidia-smi dmon -s u y vuelva a reproducir el mismo archivo con el tone mapping desactivado: si el stream se estabiliza, el tone mapping era el límite. Después, reduzca la resolución solicitada por el cliente o mantenga los archivos 4K HDR en clientes que puedan reproducirlos directamente.

FAQ

¿Por qué Jellyfin sigue usando la CPU después de habilitar NVENC?

Compruebe el registro más reciente FFmpeg.Transcode en Dashboard y, después, en Logs. Si muestra libx264, la codificación se está ejecutando por software. Si también falta -hwaccel cuda, compruebe el decodificador seleccionado en el comando y ejecute docker compose exec jellyfin nvidia-smi para confirmar que la GPU es visible. Si aparece -hwaccel cuda junto a libx264, el comando solicita decodificación por GPU con codificación por software; compruebe Enable hardware encoding y si Jellyfin detecta el codificador de hardware solicitado. Los flags por sí solos no demuestran que la decodificación por GPU se haya realizado correctamente. Si aparece h264_nvenc sin -hwaccel cuda, compruebe si el códec del archivo está marcado en Enable hardware decoding for. Marcar un códec que la tarjeta no puede decodificar puede producir un error del decodificador de hardware en lugar de usar una alternativa por software. Si ambos están presentes y la CPU sigue ocupada, la carga procede de una fase que permanece en la CPU, como la incrustación de subtítulos.

¿Sigue siendo necesaria la línea runtime: nvidia en Docker Compose?

No, si tiene el bloque deploy.resources.reservations.devices y una versión actual de Docker Compose. El bloque es el formato moderno para solicitar dispositivos y realiza la misma función. runtime: nvidia es la ruta antigua de la época de nvidia-docker2; todavía funciona y el ejemplo publicado por Jellyfin mantiene ambos. Mantener ambos no causa problemas. Mantener sólo runtime: nvidia significa que también debe mantener NVIDIA_VISIBLE_DEVICES=all, porque esa ruta no tiene ninguna solicitud de dispositivo que consultar y obtiene la lista de dispositivos del entorno.

¿Cuántos streams puede transcodificar simultáneamente una GPU NVIDIA?

La política publicada por NVIDIA limita las tarjetas GeForce a doce sesiones de codificación simultáneas combinadas por sistema a fecha de octubre de 2026; las tarjetas de centros de datos, como la L4, figuran como no restringidas, aunque algunos modelos de centros de datos no tienen codificador NVENC. Ese límite rara vez es lo que detiene la transcodificación. La conversión de tono de HDR a SDR se ejecuta en los núcleos de sombreado y no en NVENC, por lo que añade un límite de rendimiento independiente. Mida su caso con nvidia-smi dmon -s u y observe la columna sm, no el número de sesiones.

¿Puedo usar transcodificación por hardware en una VPS sin GPU?

No. La codificación necesita el bloque físico NVENC, y lspci -nn | grep -Ei "3d|display|vga" en una VPS estándar sólo muestra un adaptador de pantalla virtual del hipervisor. En un plan sin GPU, la opción realista es eliminar las transcodificaciones: aumente la calidad del cliente a Auto, use una aplicación cliente nativa en lugar de un navegador y utilice un cliente que renderice directamente los subtítulos basados en imágenes, o conviértalos a texto cuando la compatibilidad de subtítulos obligue a incrustarlos.

¿Por qué una emisión 4K HDR se entrecorta cuando la transcodificación 1080p funciona correctamente?

Las dos cargas utilizan partes diferentes de la tarjeta. Una transcodificación 1080p SDR consiste principalmente en decodificación y codificación, ambas en hardware de función fija cuando la tarjeta admite el códec, además de cualquier escalado, desentrelazado o incrustación de subtítulos que necesite la emisión. Una emisión 4K HDR añade la conversión de tono, que es un filtro CUDA ejecutado en los núcleos de sombreado, además de un fotograma mucho más grande que escalar. Si nvidia-smi dmon -s u muestra valores bajos de enc y dec junto a un valor alto de sm, esa es la causa probable, porque los bloques de función fija tienen poca carga mientras los sombreadores están ocupados. Vuelva a reproducir el archivo con la conversión de tono desactivada para confirmarlo.

¿Te resultó útil este artículo?