JellyfinのNVIDIA GPUハードウェアトランスコード設定
Docker ComposeでJellyfinコンテナにNVIDIA GPUを割り当て、NVENCとNVDECを有効化します。nvidia-smiでGPUが実際にトランスコードへ使われているか確認する手順です。
構築するもの
NVIDIA GPUでJellyfinのハードウェアトランスコーディングを構成する手順は、決まった順序の4段階です。Jellyfin内で行うのは最後の段階だけです。ホストでドライバーが読み込まれていなければ、コンテナからGPUは見えません。コンテナから見えないGPUを、Jellyfinは使用できません。この順序で進めると、各エラーを確認すべき場所が明確になります。
- ホストにNVIDIAドライバーをインストールし、
nvidia-smiで動作を確認します。 - NVIDIA Container Toolkitをインストールし、DockerからコンテナへGPUを割り当てられるようにします。
docker-compose.ymlでJellyfinサービス用にGPUを確保し、コンテナからGPUが見えることを確認します。- Jellyfinの再生設定でNVENCとNVDECを有効にし、実際の再生で使用されることを確認します。
NVENC(NVIDIA encoder)とNVDEC(NVIDIA decoder)は、GPU上の固定機能ブロックです。CUDA(compute unified device architecture)の処理を実行するシェーダーコアとは、別の回路です。この分離が、ハードウェアトランスコーディングを導入する主な理由です。ソフトウェア処理ではCPUコアを複数消費するストリームでも、GPU上の専用ハードウェアブロックと、1つのCPUコアの一部だけで処理できます。
ダイレクト再生はあらゆるトランスコードより優先されるため、まず確認します
これらを設定する前に、単純に取り除ける理由でトランスコードしていないか確認します。Jellyfin は、クライアントがファイルをそのまま再生できない場合にトランスコードします。理由はほぼ常に、動画コーデック、音声コーデック、コンテナ形式、画像ベースの字幕、クライアントが要求したビットレート制限、クライアントが通知した解像度などの制約のいずれかです。
Dashboard を開き、Playback に移動して、何かを再生しながらアクティブなセッションを確認します。Direct playing と表示されたセッションでは、ファイルが変更されずに送信されるため、CPU 使用率はほとんど上がりません。Transcoding と表示されたセッションには、Jellyfin が選択した理由が示されます。その理由を取り除けば、GPU を使う必要はなくなります。
ほとんどのトランスコードは、2 つの変更で解消できます。クライアントアプリの画質を Auto または最大値に設定します。クライアントが 4 Mbps を要求すると、ファイルのコーデックに関係なく、20 Mbps のファイルは再エンコードされるためです。次に、ブラウザーのタブではなくネイティブクライアントアプリを使用します。ブラウザーは手元の再生環境で最も制約が多く、同じ TV のネイティブアプリなら同一のファイルをダイレクト再生できることが多いためです。
画像ベースの字幕を動画に焼き込む必要があるのは、クライアントが字幕を直接描画できない場合だけです。Blu-ray リッピングの PGS 字幕と DVD リッピングの VOBSUB は画像ですが、対応クライアントなら動画を再エンコードせずに表示できます。Jellyfin の Android 統合プレーヤーは PGS を直接サポートしています。SRT のテキスト字幕は、クライアントが対応していれば別途送信されます。字幕の互換性が焼き込みを強制している場合は、字幕トラックをテキストに変換すると有効です。サーバー側の残りの内容については、VPS 上で Jellyfin メディアサーバーを運用するガイドで説明しています。
一般的な VPS プランには GPU がありません
標準的な VPS プランには GPU が含まれていません。ほかの計画を立てる前に、サーバー上で次を実行してください。
lspci -nn | grep -Ei "3d|display|vga"一般的な KVM VPS では、ハイパーバイザーが提供する仮想ディスプレイアダプターが表示されるか、有用な情報が何も表示されません。このデバイスでは動画をエンコードできません。実際の GPU が利用できるのは、プロバイダーが物理カードをインスタンスにパススルーする場合、または GPU の一部を割り当てる場合だけです。そのため、これらのプランは相応の料金になります。GPU VPS に料金を支払う価値があるワークロードとはでは、GPU VPS を選ぶべき利用者と、選ぶ必要がない利用者について説明しています。
GPU がない場合は、ダイレクトプレイを基本にし、ソフトウェアトランスコードは例外的なケースとして扱ってください。単一の 1080p H.264 ソフトウェアトランスコードは負荷が高いものの、数個の CPU コアで処理できます。トーンマッピングを伴う 4K HDR のソフトウェアトランスコードを小規模な VPS でリアルタイムに完了することはできません。そのため、CPU 使用率が 100 percent に張り付く間、ストリームは途切れます。
ホストに NVIDIA ドライバーをインストールする
Jellyfin 10.11 では、Linux に必要な NVIDIA ドライバーの最小バージョンを 520.56.06 としています。インストール済みの jellyfin-ffmpeg ビルドでは、より新しいドライバーが必要になる場合があります。ドライバーの NVENC API が古すぎると、トランスコードログに必要な最小バージョンが出力されます。Ubuntu には、適合するパッケージを自動で選択するヘルパーがあります。
sudo ubuntu-drivers list --gpgpu
sudo ubuntu-drivers install --gpgpu
sudo reboot--gpgpu はドライバーのヘッドレスサーバー版を選択します。メディアサーバーにはデスクトップ環境がないため、この版を使用します。list コマンドは利用可能なブランチを表示します。たとえば sudo ubuntu-drivers install --gpgpu nvidia:570-server のように、名前でブランチを固定できます。ここに記載したものではなく、list コマンドで実際に表示されたブランチを使用してください。
サーバー版では、nvidia-smi が常にインストールされるとは限りません。選択したブランチに対応する utils パッケージをインストールします。たとえば sudo apt install nvidia-utils-570-server です。その後、ドライバーを確認します。
nvidia-smi正常な結果では、ヘッダーにドライバーのバージョンと CUDA のバージョンが表示され、カードが名前付きで一覧に表示されます。プロセス一覧には、Compute、Graphics、Other の GPU リソースを使用しているプロセスが表示されます。GPU が正常でも一覧に表示される場合があり、一覧が空なら GPU プロセスは報告されていません。ここでは、2 つの失敗がよく発生します。nvidia-smi: command not found は utils パッケージが不足していることを示します。ドライバーが不足しているわけではありません。NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver はカーネルモジュールが読み込まれていないことを示します。新規インストール直後であれば、ほとんどの場合はまだ再起動していないか、Secure Boot が署名されていないモジュールの読み込みを拒否しています。lsmod | grep nvidia でモジュールが存在することを確認します。何も表示されず、sudo modprobe nvidia が Key was rejected by service で失敗する場合は、Secure Boot がモジュールをブロックしています。Secure Boot による鍵の拒否を解除するでは、ファームウェアの状態を確認し、machine owner key を登録するか、強制を無効にする手順を説明します。
NVIDIA Container Toolkit をインストールする
ドライバーによって、ホストは GPU を使用できます。ただし、Docker はまだ GPU をコンテナへ渡せません。コンテナにはデバイスノードもドライバーライブラリもないためです。NVIDIA Container Toolkit は、コンテナの起動時にこの2つを注入します。以下のコマンドは、NVIDIA が Debian と Ubuntu 向けに公開しているインストール手順に従ったものです。NVIDIA の現在のガイドでは、バージョン変数を使用して Toolkit パッケージを1つのリリースに固定しています。ここでは固定を省略しているため、リポジトリ内の最新リリースがインストールされます。
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パッケージをインストールするだけでは不十分です。Docker にランタイムの存在を認識させる必要があります。
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart dockernvidia-ctk runtime configure は、/etc/docker/daemon.json に nvidia ランタイムのエントリを追加します。再起動を省略する人が多く、それがこの構成で最もよくあるエラーの原因になります。Jellyfin に触れる前に、まずこの連携をテストしてください。
sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smiホストで表示されたものと同じテーブルが表示されるはずです。代わりに、gpu capabilities を持つデバイスドライバーを選択できないというエラーが表示された場合、Docker デーモンが nvidia ランタイムを認識していません。その場合は configure コマンドを再度実行し、デーモンを再起動してください。
Docker Compose で Jellyfin コンテナに GPU を割り当てる
これは現在の Compose 形式です。Jellyfin が公開している例を基にし、2 つの NVIDIA 環境変数を明示的に記述します。
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]起動し、コンテナから直接確認します。
docker compose up -d
docker compose exec jellyfin nvidia-smiコンテナ内からドライバーテーブルが出力されれば、GPU の可視性と管理ライブラリは機能しています。ただし、ビデオライブラリと実際のトランスコードは別途確認が必要です。
このファイルの 4 行には説明が必要です。capabilities: [gpu] は Compose 自体に必要です。これを省略すると、GPU なしでサービスを起動するのではなく、Compose がサービスを拒否します。NVIDIA_DRIVER_CAPABILITIES=all が重要なのは、ビデオ機能を要求した場合にのみ toolkit がビデオライブラリをコンテナへマウントするためです。この変数が未設定の場合、デフォルトでは utility と compute だけが指定されます。公式の Jellyfin イメージではすでに設定されているため、そのイメージではこの行が上書きへの対策になります。独自のイメージをビルドする場合は、自分で追加する必要があると Jellyfin のドキュメントに記載されています。ビデオ機能がないと CUDA は動作しますが NVDEC は動作せず、トランスコードログに Cannot load libnvcuvid.so.1 と出力されます。network_mode: host は Jellyfin 独自の NVIDIA 例で使用されている設定です。Jellyfin のコンテナガイドでは、ホストネットワークは任意ですが DLNA には必要と説明されています。代わりに bridge ネットワークを使用する場合は、8096/tcp と自動検出用ポート 7359/udp を自分で公開します。
user: 1000:1000 が最後の設定で、GPU とは関係ありません。メディアのマウント先にあるファイルのうち、Jellyfin が読み取れるものを決定します。ここが一致しない場合、権限エラーではなくライブラリが空になります。PUID と PGID がコンテナユーザーをディスク上のファイルに対応付ける方法で番号の仕組みを説明しています。この番号は、同じ環境で Docker Compose で Sonarr と Radarr のスタックを運用する方法を実行する場合に、すでに設定したものと同じです。
なぜほとんどのチュートリアルは今でも runtime: nvidia と記述するのか
古い形式は、現在でも多くのガイドで使われています。これは誤りではなく、経緯によるものです。元の nvidia-docker2 パッケージは、nvidia という名前の OCI runtime を登録しました。その runtime で環境変数を使う方式では NVIDIA_VISIBLE_DEVICES を指定し、--runtime=nvidia で選択するか、Docker のデフォルト runtime として設定していました。Docker 19.03 では --gpus フラグと、適切な device-request API が追加されました。Compose の対応にはさらに時間がかかりました。対応した際、device request は deploy.resources.reservations.devices の下に追加されました。これは、deploy が以前は Docker Swarm を意味していたため、多くの人が無視するようになっていたキーです。
その結果、現在はどちらの形式も動作し、Jellyfin が公開している例では両方が同時に使われています。runtime: nvidia を残してもコストはなく、古い Compose バージョンでもファイルを動作させられます。runtime: nvidia だけを残して deploy ブロックを削除する場合は、NVIDIA_VISIBLE_DEVICES=all を残す必要があります。このレガシーな方式は、デバイスを注入する対象を環境変数から判断するためです。代わりに読み取る device request はありません。
Jellyfin で NVIDIA ハードウェアトランスコードを有効にする
これまでの設定だけでは、Jellyfin にカードを使わせる指示ができていません。Dashboard、Playback、Transcoding の順に開きます。Hardware acceleration で Nvidia NVENC を選択します。Enable hardware encoding にチェックを入れます。これを有効にしないと、Jellyfin は GPU でデコードした後、CPU でエンコードします。そのため、GPU が動作しているのに CPU も高負荷になる分かりにくい状態になります。
Enable enhanced NVDEC decoder は、現在の NVDEC パスと古い CUVID パスを切り替えます。有効のままにしてください。Dolby Vision を処理するには、NVDEC を使用するためにこの設定が必要です。
Enable hardware decoding for では、カードが実際にデコードできるコーデックだけにチェックを入れます。ここを間違えるケースが多くあります。AV1 デコーダーを搭載していないカードで AV1 にチェックを入れると、ハードウェアデコードが要求され、Hardware is lacking required capabilities で失敗することがあります。対応していないコーデックを選択しても、ソフトウェアデコードへ確実にフォールバックするとは限りません。
ページ全体に適用される制約がもう 1 つあります。ハードウェアアクセラレーションが完全にサポートされるのは、付属の jellyfin-ffmpeg ビルドだけです。Jellyfin のドキュメントでは、それ以外の場所から取得した FFmpeg バイナリを使うとアクセラレーションが一部しか機能しないと説明されています。FFmpeg のパスをシステムの FFmpeg に設定している場合は、元に戻してください。
GPU 世代でデコードとエンコードに対応するコーデック
これは Jellyfin が NVENC と NVDEC について文書化している対応範囲です。デコードとエンコードは別の機能であり、一方だけに対応するカードもあります。
- H.264 8-bit: NVENC と NVDEC の両方を搭載するすべての NVIDIA GPU が、デコードとエンコードの両方に対応します。
- HEVC 8-bit: Maxwell second generation (GM206) 以降で、デコードとエンコードに対応します。
- HEVC 10-bit: Maxwell second generation 以降でデコードに対応します。ただし、その世代では GM206 のバリアントだけが対応します。エンコードは Pascal 以降でのみ対応します。
- AV1: GA100 data center chip を除く Ampere 以降でデコードに対応します(NVIDIA のデコーダー表には、AV1 デコード非対応の Hopper も記載されています)。エンコードは Ada Lovelace 以降で対応し、Jellyfin では 10.9 からサポートされています。
HEVC 10-bit の分岐は、実際の運用で問題になりやすいものです。GM206 ベースの Maxwell カードは 4K HDR ファイルを GPU 上でデコードできますが、10-bit 出力はエンコードできません。ただし、8-bit H.264 と 8-bit HEVC のエンコードには対応します。その他の Maxwell チップは、ハードウェアで HEVC 10-bit をまったくデコードできません。Jellyfin は、クライアントの機能とエンコード設定に基づいて出力コーデックを選択します。HEVC トランスコード経路では、8-bit Main profile が強制されます。AV1 出力は、対応するクライアントに対してのみ選択してください。
トーンマッピングでGPUが静かに再飽和する理由
HDR(ハイダイナミックレンジ)からSDR(スタンダードダイナミックレンジ)へのトーンマッピングは、GPUの余力を消費する処理です。理由はアーキテクチャにあります。デコードはNVDECで実行されます。エンコードはNVENCで実行されます。トーンマッピングはどちらでも実行されません。シェーダーコア上で実行されるCUDAフィルターです。シェーダーコアは、コンピュート処理も実行するGPUの汎用部分です。そのため、トーンマッピングが必要な4K HDRストリームでは、デコーダーとエンコーダーに加えてシェーダーにも負荷がかかります。
Jellyfinのドキュメントでは、HEVC 10-bitをデコードできるすべてのNVIDIA GPUでCUDAトーンマッピングを利用できると説明されています。つまり、4Kで処理を継続できないカードでも、チェックボックスが表示されて機能します。症状としては、ストリームが開始した後にバッファリングし、安定しない状態が続きます。一方、nvidia-smiではエンコーダーの使用率がほとんど上がっていないように表示されます。
そのため、シェーダーの負荷は分けて監視する必要があります。
nvidia-smi dmon -s uこのコマンドは、sm、enc、decを別々の列に分け、1秒ごとに1行を出力します。encとdecが低い一方でsmの値が高い場合、固定機能ブロックではなくシェーダーがボトルネックになっている可能性があります。トーンマッピング、スケーリング、字幕の焼き込みなどが原因として考えられます。ただし、これは手掛かりであり、確証ではありません。NVIDIAはGPU使用率を、サンプル期間中に少なくとも1つのカーネルが実行されていた時間の割合として定義しています。そのため、高い値はシェーダーがビジーだったことを示しますが、飽和していたことまでは示しません。CUDA経路はDolby Vision profile 5もzero copyで処理します。zero copyを使わない場合、フィルター処理の各段階でフレームがシステムメモリへ移動してから戻るためです。この往復によって、すべてのフレームで帯域幅が消費されます。
コンシューマー向け NVENC のセッション上限が実際に制限するもの
このグラフのデータ
[
{
"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
}
]これは 2026 年 10 月時点で NVIDIA が公開しているマトリックスの数値であり、ここで測定した値ではありません。NVIDIA のポリシーでは、1 台のシステムに搭載されたすべての GeForce カードについて、モデルに関係なく、同時エンコードセッション数の合計を 12 に制限しています。この上限はシリコンではなくドライバーに設定されています。NVIDIA はこれまでに上限を複数回引き上げているため、古いフォーラムの投稿ではなく、現在のマトリックスを確認してください。カードによって実際に変わるのはエンジン数です。GeForce RTX 5090 には 3 個の NVENC エンジンが搭載され、GeForce RTX 4060 には 1 個が搭載されています。エンジン数が多いほど並列エンコードのスループットは向上しますが、セッション上限は増えません。
この上限は、Jellyfin 外で実行する動画エンコードを含む、エンコードセッション数を数えます。Direct Play と remux はエンコードセッションを開きません。L4 などのデータセンター向けカードは同じマトリックスで無制限と記載されています。ただし、A100 や H100 などのモデルには NVENC エンコーダーがないため、GPU VPS プランでは正確なカードを確認してください。
上限に達するとトランスコードが失敗し、FFmpeg のログに OpenEncodeSessionEx failed: out of memory (10) が記録されます。このメッセージはメモリを示しますが、セッション上限による拒否でも同じコードが報告されます。そのため、VRAM リークを調べる前に、同時ストリーム数を確認してください。実際には、多くのユーザーがセッション 12 に達する前に、トーンマッピングの上限やアップロード帯域幅に到達します。
GPU がトランスコードしていることを確認する。設定をそのまま信用しない
保存した設定は証拠になりません。トランスコードが必ず発生するファイルを再生し、3 つの確認を行います。
- Dashboard を開き、Playback に進みます。アクティブなセッションに Transcoding と表示され、理由も示されていることを確認します。Direct playing と表示される場合、トランスコードは実行されていません。テスト対象のファイルが適切ではありません。
- Dashboard を開き、Logs に進みます。最新の
FFmpeg.Transcodeログを開きます。完全なハードウェアトランスコードでは、コマンドラインに-hwaccel cudaと-hwaccel_output_format cudaが表示され、h264_nvencやhevc_nvencなどの NVENC encoder、または Ada Lovelace 以降の AV1 NVENC encoder が使われます。ここにlibx264が表示される場合、設定ページの表示にかかわらず、エンコードはソフトウェアで実行されています。NVENC encoder があるのに-hwaccel cudaがない場合、デコードの半分はソフトウェアで実行されています。 - 再生を続けたまま、ホスト上で
nvidia-smiを実行します。/usr/lib/jellyfin-ffmpeg/ffmpegのプロセスが GPU メモリを割り当てた状態で表示され、nvidia-smi dmon -s uの enc 列と dec 列が 0 以外の値になることを確認します。
3 つ目の確認はコンテナ内ではなく、ホスト上で実行してください。コンテナ内の nvidia-smi は通常、独自の namespace 外にあるプロセス ID を認識できないため、プロセス一覧が空になります。一方、利用率の数値は正しく表示されます。コンテナ内でプロセス一覧が空でも、異常ではありません。
通知なしにソフトウェア処理へフォールバックする場合
ハードウェアエンコードが無効になっている場合、または要求されたハードウェアエンコーダーを利用できない場合、Jellyfin はソフトウェアエンコーダーを選択します。再生中にハードウェア処理の経路で障害が発生すると、ソフトウェア処理へフォールバックせずストリーム自体が失敗することもあります。そのため、すべての障害がソフトウェア処理へフォールバックすると考えず、FFmpeg のログを確認してください。
トランスコードログの Cannot load libnvcuvid.so.1 は、動的ローダーがデコーダーライブラリの読み込みに失敗したことを示します。このメッセージだけでは、ライブラリがマウントされていたかどうかは判断できません。NVIDIA_DRIVER_CAPABILITIES=all と、コンテナ内のドライバーライブラリおよび動的リンクを確認してください。環境を変更した場合は、docker compose up -d を使用してコンテナを再作成してください。単純な再起動では以前の設定が維持されます。
h264_nvenc の No capable devices found は、FFmpeg がエンコーダーライブラリには到達したものの、利用可能なカードを見つけられなかったことを示します。もう一度 docker compose exec jellyfin nvidia-smi を確認し、その前に出力されたログメッセージを読んで、デバイスやエンコーダー機能の障害を確認してください。
GPU の使用率が低いのに CPU 使用率が高い場合は、どの段階がソフトウェア処理を使用しているかを確認してください。使用環境でデコードできないコーデックのチェックを外し、同じファイルを再生して FFmpeg のログをもう一度確認し、-hwaccel cuda が出現するか調べます。出現していて CPU 使用率も高い場合は、画像字幕の焼き込みなど、Jellyfin が GPU に移せない処理を探してください。
1080p は正常なのに 4K HDR のトランスコードが開始後に停止する場合、通常はインストールの破損ではなく、トーンマッピングの限界です。nvidia-smi dmon -s u の sm 列を監視し、トーンマッピングを無効にして同じファイルを再生してください。ストリームが安定する場合、制限要因はトーンマッピングです。その後、クライアントが要求する解像度を下げるか、4K HDR ファイルをダイレクトプレイできるクライアントで再生してください。
FAQ
NVENC を有効にしたのに、なぜ Jellyfin は CPU を使い続けるのですか?
Dashboard の Logs で最新の FFmpeg.Transcode ログを確認します。libx264 と表示される場合、エンコードはソフトウェアで実行されています。-hwaccel cuda もない場合は、コマンドで選択されているデコーダーを確認し、docker compose exec jellyfin nvidia-smi を実行して GPU が認識されていることを確認します。-hwaccel cuda が libx264 の隣にある場合、コマンドは GPU デコードとソフトウェアエンコードを要求しています。Enable hardware encoding が有効か、また Jellyfin が指定されたハードウェアエンコーダーを検出しているかを確認します。フラグだけでは、GPU デコードが成功したことは確認できません。h264_nvenc が -hwaccel cuda なしで表示される場合は、Enable hardware decoding for でファイルのコーデックにチェックが入っているか確認します。カードがデコードできないコーデックにチェックを入れると、ソフトウェアへフォールバックせず、ハードウェアデコーダーのエラーになることがあります。両方が存在しても CPU が使われ続ける場合は、字幕の焼き込みなど、CPU 上で処理される段階が負荷の原因です。
Docker Compose で runtime: nvidia の行はまだ必要ですか?
deploy.resources.reservations.devices ブロックがあり、現行の Docker Compose を使用している場合は必要ありません。このブロックは現在のデバイス要求形式で、同じ役割を果たします。runtime: nvidia は nvidia-docker2 時代の古い方式ですが、現在も動作し、Jellyfin 自身が公開している例でも両方が使われています。両方を残しても問題ありません。runtime: nvidia だけを残す場合は、NVIDIA_VISIBLE_DEVICES=all も残す必要があります。この方式には読み取るデバイス要求がなく、デバイス一覧を環境から取得するためです。
1 台の NVIDIA GPU で同時に何本のストリームをトランスコードできますか?
NVIDIA が公開している方針では、2026 年 10 月時点で、GeForce カードの同時エンコードセッション数はシステム全体で合計 12 に制限されています。一方、L4 などのデータセンター向けカードは制限なしと記載されています。ただし、一部のデータセンター向けモデルには NVENC エンコーダーがありません。この上限が原因で処理が止まることは、ほとんどありません。HDR から SDR へのトーンマッピングは NVENC ではなくシェーダーコアで実行されるため、別の性能上限になります。nvidia-smi dmon -s u で実際のケースを測定し、セッション数ではなく sm 列を監視します。
GPU のない VPS でハードウェアトランスコードを使用できますか?
いいえ。エンコードには物理的な NVENC ブロックが必要です。標準的な VPS で lspci -nn | grep -Ei "3d|display|vga" を実行しても、ハイパーバイザーが提供する仮想ディスプレイアダプターしか表示されません。GPU なしのプランで現実的な対処は、トランスコード自体を減らすことです。クライアントの画質設定を Auto に上げ、ブラウザーではなくネイティブのクライアントアプリを使用します。また、画像ベースの字幕を直接描画できるクライアントを使うか、字幕の互換性によって焼き込みが必要な場合は、字幕をテキストに変換します。
1080p は正常にトランスコードできるのに、なぜ 4K HDR は途切れるのですか?
2 つの処理では、カード上の異なる部分を使用します。1080p SDR のトランスコードは、主にデコードとエンコードで構成されます。カードがコーデックをサポートしていれば、どちらも固定機能ハードウェアで処理されます。これに加えて、ストリームに必要なスケーリング、デインターレース、字幕の焼き込みなどが実行されます。4K HDR ストリームでは、シェーダーコア上で動作する CUDA フィルターであるトーンマッピングが加わり、スケーリング対象のフレームも大幅に大きくなります。nvidia-smi dmon -s u で enc と dec が低く、sm が高く表示される場合は、この可能性が高いです。固定機能ブロックの負荷が低い一方で、シェーダーが処理中だからです。トーンマッピングを無効にしてファイルを再生すれば、原因を切り分けられます。