Cara Aktifkan NVIDIA Hardware Transcoding Jellyfin Docker
Ketahui cara konfigurasi Jellyfin Docker untuk guna GPU NVIDIA dengan NVIDIA Container Toolkit. Ikuti langkah pasang pemacu, kemas kini docker-compose, dan sahkan NVENC.
Apa yang anda sedang bina
Pengekodan perkakasan (hardware transcoding) Jellyfin pada GPU NVIDIA melibatkan empat langkah mengikut urutan tetap, dan hanya langkah terakhir dilakukan di dalam Jellyfin. Kontena tidak dapat mengesan GPU jika pemacu hos belum dimuatkan. Jellyfin tidak dapat menggunakan GPU yang tidak dapat dikesan oleh kontena. Lakukan mengikut urutan ini supaya setiap kegagalan mempunyai satu tempat yang jelas untuk diperiksa.
- Pasang pemacu NVIDIA pada hos, kemudian sahkan dengan
nvidia-smi. - Pasang NVIDIA Container Toolkit supaya Docker boleh memberikan akses GPU kepada kontena.
- Rizabkan GPU untuk servis Jellyfin dalam
docker-compose.yml, kemudian sahkan kontena dapat mengesannya. - Hidupkan NVENC dan NVDEC dalam tetapan main balik Jellyfin, kemudian sahkan main balik sebenar menggunakannya.
NVENC (pengekod NVIDIA) dan NVDEC (penyahkod NVIDIA) adalah blok fungsi tetap pada kad grafik. Ia merupakan silikon yang berasingan daripada teras shader yang menjalankan tugas CUDA (compute unified device architecture). Pemisahan inilah sebab utama mengapa proses ini berbaloi: strim yang memakan beberapa teras CPU dalam perisian hanya menggunakan sebahagian kecil daripada satu teras serta blok perkakasan khusus pada GPU.
Direct play adalah lebih baik daripada transcode, jadi periksa perkara itu dahulu
Sebelum anda mengkonfigurasi semua ini, ketahui sama ada anda melakukan transcode atas sebab yang boleh anda hapuskan dengan mudah. Jellyfin melakukan transcode apabila klien tidak dapat memainkan fail tersebut sebagaimana adanya. Sebabnya hampir selalu merupakan salah satu daripada senarai pendek ini: codec video, codec audio, format kontena, sari kata berasaskan imej, had kadar bit yang diminta oleh klien, atau resolusi atau kekangan lain yang dilaporkan oleh klien.
Buka Dashboard, kemudian Playback, dan perhatikan sesi aktif semasa sesuatu sedang dimainkan. Sesi yang ditandakan sebagai Direct playing menghantar fail tanpa diubah dan hampir tidak menggunakan CPU. Sesi yang ditandakan sebagai Transcoding menunjukkan sebab Jellyfin memilihnya. Hapuskan sebab tersebut dan GPU tidak perlu berjalan langsung.
Dua perubahan menghapuskan kebanyakan transcode. Tetapkan kualiti aplikasi klien kepada Auto atau kepada tahap maksimum, kerana klien yang meminta 4 Mbps memaksa pengekodan semula fail 20 Mbps tidak kira apa codec yang dimilikinya. Kemudian gunakan aplikasi klien natif dan bukannya tab pelayar, kerana pelayar adalah pemain yang paling terhad yang anda miliki dan aplikasi natif pada TV yang sama selalunya akan memainkan fail yang sama secara direct play.
Sari kata berasaskan imej perlu dibakar (burn-in) ke dalam video hanya apabila klien tidak dapat memaparkannya secara terus. Sari kata PGS daripada rip Blu-ray dan VOBSUB daripada rip DVD adalah gambar, tetapi klien yang serasi memaparkannya tanpa pengekodan semula video; pemain bersepadu Android Jellyfin menyokong PGS secara terus. Sari kata teks dalam SRT dihantar secara berasingan apabila klien menyokongnya. Menukar trek sari kata kepada teks adalah berguna apabila keserasian sari kata memaksa proses burn-in. Selebih bahagian pelayan diliputi dalam panduan menjalankan pelayan media Jellyfin pada VPS.
Kebanyakan pelan VPS tidak mempunyai GPU
Pelan VPS standard tidak menyertakan GPU. Jalankan arahan ini pada pelayan sebelum anda merancang perkara lain.
lspci -nn | grep -Ei "3d|display|vga"Pada VPS KVM biasa, arahan ini akan memaparkan penyesuai paparan maya daripada hypervisor, atau tiada maklumat berguna. Peranti tersebut tidak boleh mengekod video. GPU sebenar hanya akan muncul apabila pembekal melalukan (pass-through) kad fizikal ke dalam instans anda atau memberikan sebahagian daripada kad tersebut, dan pelan sebegini diletakkan harga mengikut keupayaan tersebut. Beban kerja yang manakah benar-benar mewajarkan pembayaran untuk VPS GPU membincangkan siapa yang patut dan siapa yang tidak patut menggunakannya.
Jika tiada GPU, sasarkan main balik terus (direct play) dan anggap pengekodan perisian (software transcoding) sebagai kes terpencil. Satu pengekodan perisian H.264 1080p adalah berat tetapi masih boleh ditangani oleh beberapa teras CPU. Pengekodan perisian 4K HDR dengan pemetaan tona (tone mapping) bukanlah sesuatu yang boleh diselesaikan oleh VPS kecil dalam masa nyata, jadi strim akan tersekat-sekat sementara CPU kekal pada tahap penggunaan 100 peratus.
Memasang pemacu NVIDIA pada hos
Jellyfin 10.11 mendokumenkan pemacu NVIDIA minimum 520.56.06 pada Linux. Binaan jellyfin-ffmpeg yang dipasang mungkin memerlukan pemacu yang lebih baharu; log transkodnya akan melaporkan versi minimum apabila API NVENC pemacu terlalu lama. Ubuntu menyediakan pembantu yang memilih pakej yang sepadan untuk anda.
sudo ubuntu-drivers list --gpgpu
sudo ubuntu-drivers install --gpgpu
sudo reboot--gpgpu memilih varian pelayan tanpa kepala (headless) bagi pemacu tersebut, iaitu apa yang diperlukan oleh pelayan media kerana tiada desktop pada mesin tersebut. Perintah senarai akan memaparkan cawangan yang tersedia untuk anda, dan anda boleh menetapkan satu cawangan mengikut nama, contohnya sudo ubuntu-drivers install --gpgpu nvidia:570-server. Gunakan cawangan yang benar-benar dipaparkan oleh senarai tersebut, bukan yang ditulis di sini.
Varian pelayan tidak selalunya menarik nvidia-smi secara automatik. Pasang pakej utils yang sepadan dengan cawangan yang anda pilih, contohnya sudo apt install nvidia-utils-570-server. Kemudian, periksa pemacu tersebut.
nvidia-smiHasil yang baik akan memaparkan jadual dengan versi pemacu dan versi CUDA pada pengepala serta kad anda disenaraikan mengikut nama. Senarai proses melaporkan proses yang menggunakan sumber GPU Compute, Graphics atau Other; ia boleh diisi pada GPU yang sihat, dan senarai kosong bermakna tiada proses GPU dilaporkan. Dua kegagalan adalah perkara biasa di sini. nvidia-smi: command not found bermakna pakej utils tiada, bukan pemacu. NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver bermakna modul kernel tidak dimuatkan, yang pada pemasangan baharu hampir selalu bermakna anda belum melakukan but semula, atau Secure Boot enggan memuatkan modul yang tidak ditandatangani. Sahkan modul tersebut ada dengan lsmod | grep nvidia. Jika ia tidak memaparkan apa-apa dan sudo modprobe nvidia gagal dengan Key was rejected by service, Secure Boot sedang menyekat modul tersebut, dan membersihkan penolakan kunci Secure Boot merangkumi pemeriksaan status perisian tegar dan kemudian mendaftarkan kunci pemilik mesin atau mematikan penguatkuasaan.
Memasang NVIDIA Container Toolkit
Pemacu membolehkan hos menggunakan GPU. Docker masih tidak akan melalukannya ke dalam kontena kerana kontena tersebut tidak mempunyai nod peranti mahupun pustaka pemacu. NVIDIA Container Toolkit ialah komponen yang menyuntik kedua-duanya semasa kontena dimulakan. Perintah-perintah ini mengikut langkah pemasangan NVIDIA sendiri untuk Debian dan Ubuntu. Panduan semasa NVIDIA juga menetapkan pakej toolkit kepada satu keluaran melalui pemboleh ubah versi; membiarkan tetapan tersebut tanpa pin, seperti di sini, akan memasang keluaran terbaharu dalam repositori.
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-toolkitMemasang pakej sahaja tidak mencukupi kerana Docker perlu diberitahu bahawa runtime tersebut wujud.
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart dockernvidia-ctk runtime configure menulis entri runtime nvidia ke dalam /etc/docker/daemon.json. Langkah memulakan semula adalah bahagian yang sering dilupakan oleh pengguna, dan melangkauinya menghasilkan ralat paling lazim dalam keseluruhan persediaan ini. Uji sambungan tersebut sebelum anda menyentuh Jellyfin.
sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smiPerintah itu sepatutnya mencetak jadual yang sama seperti yang dicetak oleh hos. Jika ia gagal sebaliknya dengan ralat mengenai ketidakupayaan untuk memilih pemacu peranti dengan keupayaan gpu, daemon Docker tidak mengetahui tentang runtime nvidia, jadi jalankan perintah konfigurasi sekali lagi dan mulakan semula daemon tersebut.
Berikan GPU kepada kontena Jellyfin dalam Docker Compose
Ini ialah format Compose moden. Ia dibina berdasarkan contoh yang diterbitkan oleh Jellyfin dan menulis dua pemboleh ubah persekitaran NVIDIA secara eksplisit.
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]Jalankan servis tersebut dan tanya kontena secara terus.
docker compose up -d
docker compose exec jellyfin nvidia-smiJika arahan tersebut mencetak jadual pemacu dari dalam kontena, bermakna keterlihatan GPU dan pustaka pengurusan berfungsi; pustaka video dan transkod sebenar masih perlu diperiksa.
Empat baris dalam fail tersebut memerlukan penjelasan. capabilities: [gpu] diperlukan oleh Compose itu sendiri, dan jika ditinggalkan, Compose akan menolak servis tersebut dan bukannya memulakannya tanpa GPU. NVIDIA_DRIVER_CAPABILITIES=all penting kerana toolkit hanya melekapkan pustaka video ke dalam kontena apabila keupayaan video diminta, dan apabila pemboleh ubah tidak ditetapkan, ia hanya menggunakan utiliti dan pengiraan (compute) secara lalai. Imej rasmi Jellyfin sudah menetapkannya, jadi pada imej tersebut baris ini berfungsi sebagai langkah keselamatan terhadap sebarang tindakan yang cuba mengatasi tetapan tersebut; dokumentasi Jellyfin menyatakan anda mesti menambahnya sendiri jika anda membina imej anda sendiri. Tanpa keupayaan video, CUDA berfungsi manakala NVDEC tidak, dan log transkod akan melaporkan Cannot load libnvcuvid.so.1. network_mode: host ialah apa yang digunakan oleh contoh NVIDIA Jellyfin sendiri. Panduan kontena Jellyfin menyatakan bahawa rangkaian hos adalah pilihan tetapi diperlukan untuk DLNA, dan jika anda menjalankan rangkaian bridge sebaliknya, anda perlu menerbitkan port 8096/tcp dan port penemuan automatik 7359/udp sendiri.
user: 1000:1000 ialah baris terakhir, dan ia tiada kaitan dengan GPU. Ia menentukan fail mana yang boleh dibaca oleh Jellyfin pada lekap media anda, dan ketidakpadanan di sini akan menyebabkan pustaka kelihatan kosong dan bukannya ralat kebenaran (permissions error). Bagaimana PUID dan PGID memetakan pengguna kontena kepada fail pada cakera menjelaskan penomboran tersebut, dan ia adalah penomboran yang sama yang telah anda tetapkan jika anda menjalankan stack Sonarr dan Radarr dalam Docker Compose di samping ini.
Mengapa kebanyakan tutorial masih menulis runtime: nvidia
Bentuk lama muncul dalam hampir setiap panduan yang anda temui, dan ia tidak salah. Ia adalah sejarah. Pakej nvidia-docker2 asal mendaftarkan runtime OCI bernama nvidia, dan laluan pemboleh ubah persekitaran menggunakan NVIDIA_VISIBLE_DEVICES dengan runtime tersebut, yang dipilih sama ada melalui --runtime=nvidia atau sebagai runtime lalai Docker. Docker 19.03 menambah flag --gpus dan API permintaan peranti yang betul. Compose mengambil masa lebih lama untuk mengikutinya, dan apabila ia melakukannya, permintaan peranti diletakkan di bawah deploy.resources.reservations.devices, kunci yang kebanyakan orang telah belajar untuk abaikan kerana deploy dahulu bermaksud Docker Swarm.
Hasilnya ialah kedua-dua bentuk berfungsi hari ini, dan contoh yang diterbitkan oleh Jellyfin membawa kedua-duanya sekali gus. Mengekalkan runtime: nvidia tidak menelan sebarang kos dan menjadikan fail tersebut berfungsi pada versi Compose yang lebih lama. Jika anda hanya mengekalkan runtime: nvidia dan membuang blok deploy, anda mesti mengekalkan NVIDIA_VISIBLE_DEVICES=all, kerana laluan legasi tersebut membaca pemboleh ubah persekitaran untuk menentukan peranti mana yang perlu disuntik dan tidak mempunyai permintaan peranti untuk dibaca sebagai gantinya.
Hidupkan transkod perkakasan NVIDIA dalam Jellyfin
Setakat ini, tiada tetapan yang memberitahu Jellyfin untuk menggunakan kad tersebut. Pergi ke Dashboard, kemudian Playback, dan seterusnya Transcoding. Tetapkan Hardware acceleration kepada Nvidia NVENC. Tandakan Enable hardware encoding, jika tidak Jellyfin akan menyahkod pada GPU dan kemudian mengekod pada CPU, iaitu keadaan pertengahan yang mengelirukan di mana GPU menunjukkan aktiviti tetapi CPU masih dibebankan.
Enable enhanced NVDEC decoder menukar antara laluan NVDEC semasa dan laluan CUVID yang lebih lama. Biarkan ia dihidupkan. Pengendalian Dolby Vision memerlukannya dihidupkan untuk menggunakan NVDEC sama sekali.
Di bawah Enable hardware decoding for, tandakan hanya codec yang boleh dinyahkod oleh kad anda. Ini adalah tetapan yang sering disalah anggap oleh pengguna. Menandakan AV1 pada kad yang tidak mempunyai penyahkod AV1 boleh menyebabkan permintaan penyahkodan perkakasan gagal dengan Hardware is lacking required capabilities. Pilihan yang tidak disokong tidak menjamin sistem akan kembali kepada penyahkodan perisian.
Satu lagi kekangan terpakai untuk keseluruhan halaman ini: pecutan perkakasan hanya disokong sepenuhnya dengan binaan jellyfin-ffmpeg yang disertakan. Dokumentasi Jellyfin memberi amaran bahawa binari FFmpeg daripada sumber lain akan mengakibatkan pecutan separa, jadi jika anda telah menghalakan laluan FFmpeg kepada FFmpeg sistem, tukarkannya semula.
Codec yang boleh dinyahkod dan dikodkan oleh generasi GPU anda
Ini adalah batasan yang didokumentasikan oleh Jellyfin untuk NVENC dan NVDEC. Nyahkod dan kod adalah keupayaan yang berasingan, dan sesebuah kad boleh mempunyai salah satu daripadanya tanpa yang satu lagi.
- H.264 8-bit: setiap GPU NVIDIA dengan NVENC dan NVDEC boleh menyahkod dan mengodkannya.
- HEVC 8-bit: nyahkod dan kod daripada Maxwell generasi kedua (GM206) dan lebih baharu.
- HEVC 10-bit: nyahkod daripada Maxwell generasi kedua dan lebih baharu, di mana hanya varian GM206 bagi generasi tersebut memilikinya, tetapi kod hanya daripada Pascal dan lebih baharu.
- AV1: nyahkod daripada Ampere dan lebih baharu kecuali cip pusat data GA100 (jadual penyahkod NVIDIA juga menyenaraikan Hopper tanpa nyahkod AV1), dan kod daripada Ada Lovelace dan lebih baharu, yang disokong oleh Jellyfin bermula versi 10.9.
Pembahagian HEVC 10-bit adalah perkara yang sering menimbulkan masalah dalam praktiknya. Kad Maxwell berasaskan GM206 menyahkod fail 4K HDR anda pada GPU dan tidak boleh mengodkan output 10-bit, tetapi ia menyokong pengekodan H.264 8-bit dan HEVC 8-bit. Cip Maxwell lain tidak menyahkod HEVC 10-bit dalam perkakasan sama sekali. Jellyfin memilih codec output berdasarkan keupayaan klien dan tetapan pengekodan; laluan transkod HEVC-nya memaksa profil Main 8-bit. Pilih output AV1 hanya untuk klien yang menyokongnya.
Mengapa pemetaan tona (tone mapping) membebankan GPU secara senyap
Pemetaan tona daripada HDR (high dynamic range) kepada SDR (standard dynamic range) merupakan tetapan yang menghabiskan bajet GPU anda, dan puncanya adalah dari segi seni bina. Penyahkodan (decode) berjalan pada NVDEC. Pengekodan (encode) berjalan pada NVENC. Pemetaan tona tidak berjalan pada kedua-duanya: ia adalah penapis CUDA yang dilaksanakan pada teras shader, iaitu bahagian GPU kegunaan am yang sama yang menjalankan kerja pengkomputeran. Oleh itu, strim 4K HDR yang memerlukan pemetaan tona menggunakan penyahkod dan pengekod, serta membebankan shader pada masa yang sama.
Jellyfin mendokumentasikan pemetaan tona CUDA sebagai tersedia pada setiap GPU NVIDIA yang boleh menyahkod HEVC 10-bit. Ini bermakna kotak semak tersebut muncul dan berfungsi pada kad yang tidak mampu menampung beban tersebut pada resolusi 4K. Simptomnya ialah strim yang bermula, mengalami penimbalan (buffering), dan tidak pernah stabil, sedangkan nvidia-smi melaporkan pengekod hampir tidak sibuk.
Inilah sebabnya beban shader perlu dipantau secara berasingan.
nvidia-smi dmon -s uPerintah tersebut mencetak satu baris sesaat dengan lajur berasingan untuk sm, enc dan dec. Nilai enc dan dec yang rendah di samping angka sm yang tinggi menunjukkan beban pada shader dan bukannya blok fungsi tetap, jadi pemetaan tona, penskalaan (scaling), atau pembakaran sari kata (subtitle burn-in) adalah punca yang berkemungkinan. Anggap ini sebagai petunjuk, bukan bukti: NVIDIA mentakrifkan penggunaan GPU sebagai bahagian tempoh sampel di mana sekurang-kurangnya satu kernel sedang dilaksanakan, jadi bacaan yang tinggi bermaksud shader sedang sibuk, bukan bermaksud ia telah tepu. Laluan CUDA juga mengendalikan Dolby Vision profile 5 dengan zero copy, yang penting kerana tanpa zero copy, bingkai akan bergerak keluar ke memori sistem dan kembali semula di antara langkah penapisan, dan perjalanan pergi balik itu memakan lebar jalur pada setiap bingkai.
Had pengehad sesi NVENC pengguna yang sebenar
Data di sebalik carta ini
[
{
"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
}
]Ini adalah angka matriks yang diterbitkan oleh NVIDIA setakat Oktober 2026, bukan ukuran yang diambil di sini. Polisi NVIDIA mengehadkan sesi pengekodan serentak merentas semua kad GeForce dalam satu sistem kepada 12 secara gabungan, tidak kira apa jua modelnya. Had ini wujud dalam pemacu dan bukannya pada silikon, dan NVIDIA telah meningkatkannya lebih daripada sekali sepanjang tahun, jadi bacalah matriks semasa dan bukannya bebenang forum lama. Bilangan enjin adalah bahagian yang benar-benar berubah mengikut kad: GeForce RTX 5090 membawa 3 enjin NVENC manakala GeForce RTX 4060 membawa 1. Lebih banyak enjin bermakna lebih banyak throughput pengekodan selari, bukan siling sesi yang lebih tinggi.
Had ini mengira sesi pengekodan, termasuk pengekodan video di luar Jellyfin. Direct play dan remuxing tidak pernah membuka sesi pengekodan. Kad pusat data seperti L4 disenaraikan sebagai tidak terhad dalam matriks yang sama, tetapi model seperti A100 dan H100 tidak mempunyai pengekod NVENC, jadi semak kad yang tepat dalam pelan GPU VPS.
Apabila anda mencapai had tersebut, transkod akan gagal dan log FFmpeg akan membawa OpenEncodeSessionEx failed: out of memory (10). Mesej tersebut menyebut tentang memori, tetapi penolakan had sesi melaporkan kod yang sama, jadi semak kiraan strim serentak anda sebelum anda mula mencari kebocoran VRAM. Secara praktikalnya, kebanyakan orang akan mencapai siling pemetaan tona (tone-mapping) atau lebar jalur muat naik mereka jauh sebelum sesi kedua belas.
Buktikan GPU sedang melakukan transkod, jangan percaya pada konfigurasi
Tetapan yang disimpan bukanlah bukti. Mainkan fail yang anda tahu akan memaksa transkod, kemudian jalankan tiga pemeriksaan.
- Buka Dashboard, kemudian Playback. Sesi aktif sepatutnya memaparkan Transcoding, dan ia akan menyatakan sebabnya. Jika ia memaparkan Direct playing, tiada apa-apa yang ditranskod dan anda sedang menguji fail yang salah.
- Buka Dashboard, kemudian Logs, dan buka log
FFmpeg.Transcodeyang paling baharu. Transkod perkakasan penuh akan menunjukkan-hwaccel cudadan-hwaccel_output_format cudapada baris perintah, dengan pengekod NVENC sepertih264_nvencatauhevc_nvenc, atau pengekod AV1 NVENC pada Ada Lovelace dan yang lebih baharu. Melihatlibx264di sana bermakna pengekodan sedang berjalan dalam perisian, tidak kira apa yang didakwa oleh halaman tetapan.-hwaccel cudayang tiada bersama pengekod NVENC bermakna penyahkodan adalah bahagian yang berjalan dalam perisian. - Jalankan
nvidia-smipada hos semasa main balik diteruskan. Satu proses daripada/usr/lib/jellyfin-ffmpeg/ffmpegsepatutnya muncul dengan memori GPU diperuntukkan, dannvidia-smi dmon -s usepatutnya menunjukkan lajur enc dan dec yang bukan sifar.
Jalankan pemeriksaan ketiga itu pada hos, bukan di dalam kontena. nvidia-smi di dalam kontena biasanya menunjukkan senarai proses yang kosong kerana ia tidak dapat melihat ID proses dari luar namespace miliknya sendiri, walaupun nombor penggunaan masih dibaca dengan betul. Senarai proses yang kosong di dalam kontena bukanlah satu ralat.
Apabila ia beralih ke perisian tanpa pemberitahuan
Jellyfin memilih pengekod perisian apabila pengekod perkakasan dinyahdayakan atau pengekod perkakasan yang diminta tidak tersedia. Laluan perkakasan yang gagal semasa main balik masih boleh menyebabkan strim terhenti, jadi baca log FFmpeg dan jangan menganggap setiap kegagalan akan beralih ke perisian.
Cannot load libnvcuvid.so.1 dalam log transkod bermaksud pemuat dinamik gagal memuatkan pustaka penyahkod. Mesej itu sahaja tidak menentukan sama ada pustaka tersebut telah dipasang (mounted). Semak NVIDIA_DRIVER_CAPABILITIES=all serta pustaka pemacu dan pautan dinamik bekas tersebut. Jika anda menukar persekitaran, cipta semula bekas dengan docker compose up -d; mulakan semula biasa akan mengekalkan tetapan lama.
No capable devices found daripada h264_nvenc bermaksud FFmpeg mencapai pustaka pengekod tetapi tidak menemui kad yang boleh digunakan. Semak docker compose exec jellyfin nvidia-smi sekali lagi, kemudian baca mesej log sebelumnya untuk kegagalan peranti dan keupayaan pengekod.
Penggunaan CPU yang tinggi dengan GPU yang tidak aktif adalah sebab untuk menyemak peringkat mana yang menggunakan perisian. Nyahtanda kodek yang tidak boleh dinyahkod oleh generasi anda, kemudian mainkan semula fail yang sama dan baca log FFmpeg sekali lagi untuk melihat sama ada -hwaccel cuda muncul. Jika ia muncul dan CPU masih sibuk, cari peringkat yang tidak boleh diletakkan oleh Jellyfin pada GPU, seperti pembakaran sari kata imej (image subtitle burn-in).
Transkod yang bermula dan kemudian terhenti pada 4K HDR manakala 1080p berfungsi dengan baik biasanya disebabkan oleh had pemetaan tona (tone-mapping ceiling), bukan pemasangan yang rosak. Perhatikan lajur sm dalam nvidia-smi dmon -s u, kemudian mainkan semula fail yang sama dengan pemetaan tona dimatikan: jika strim menjadi stabil, pemetaan tona adalah hadnya. Kemudian, sama ada rendahkan resolusi yang diminta oleh klien atau simpan fail 4K HDR pada klien yang boleh memainkannya secara terus (direct play).
FAQ
Mengapa Jellyfin masih menggunakan CPU selepas saya mendayakan NVENC?
Semak log FFmpeg.Transcode terkini di bawah Dashboard, kemudian Logs. Jika ia menunjukkan libx264, pengekodan sedang berjalan dalam perisian (software). Jika -hwaccel cuda juga tiada, semak penyahkod yang dipilih dalam arahan dan jalankan docker compose exec jellyfin nvidia-smi untuk mengesahkan keterlihatan GPU. Jika -hwaccel cuda ada di sebelah libx264, arahan tersebut meminta penyahkodan GPU dengan pengekodan perisian; semak Enable hardware encoding dan sama ada Jellyfin mengesan pengekod perkakasan yang diminta. Flag sahaja tidak membuktikan penyahkodan GPU berjaya. Jika ia menunjukkan h264_nvenc tanpa -hwaccel cuda, semak sama ada codec fail tersebut telah ditanda di bawah Enable hardware decoding for. Menanda codec yang tidak boleh dinyahkod oleh kad anda boleh menghasilkan ralat penyahkod perkakasan dan bukannya fallback perisian. Jika kedua-duanya ada dan CPU masih sibuk, beban tersebut datang daripada peringkat yang kekal pada CPU, seperti subtitle burn-in.
Adakah saya masih memerlukan baris runtime: nvidia dalam Docker Compose?
Tidak jika anda mempunyai blok deploy.resources.reservations.devices dan Docker Compose semasa. Blok tersebut adalah bentuk permintaan peranti moden dan melakukan tugas yang sama. runtime: nvidia ialah laluan lama daripada era nvidia-docker2, ia masih berfungsi, dan contoh yang diterbitkan oleh Jellyfin sendiri mengekalkan kedua-duanya. Mengekalkan kedua-duanya tidak mendatangkan masalah. Mengekalkan hanya runtime: nvidia bermakna anda juga mesti mengekalkan NVIDIA_VISIBLE_DEVICES=all, kerana laluan tersebut tidak mempunyai permintaan peranti untuk dibaca dan mengambil senarai peranti daripada persekitaran.
Berapa banyak strim yang boleh ditranskod oleh satu GPU NVIDIA serentak?
Polisi NVIDIA yang diterbitkan mengehadkan kad GeForce kepada dua belas sesi pengekodan serentak digabungkan bagi setiap sistem setakat Oktober 2026; kad pusat data seperti L4 disenaraikan sebagai tidak terhad, manakala sesetengah model pusat data tidak mempunyai pengekod NVENC. Had tersebut jarang menjadi punca masalah anda. Pemetaan tona HDR ke SDR berjalan pada teras shader dan bukannya pada NVENC, jadi ia menambah had prestasi yang berasingan. Ukur kes anda sendiri dengan nvidia-smi dmon -s u dan perhatikan lajur sm, bukan kiraan sesi.
Bolehkah saya menggunakan transkod perkakasan pada VPS tanpa GPU?
Tidak. Pengekodan memerlukan blok NVENC fizikal, dan lspci -nn | grep -Ei "3d|display|vga" pada VPS standard hanya menunjukkan penyesuai paparan maya daripada hypervisor. Jawapan realistik pada pelan tanpa GPU adalah dengan membuang transkod tersebut: tingkatkan tetapan kualiti klien kepada Auto, gunakan aplikasi klien asli bukannya pelayar, dan gunakan klien yang merender sari kata berasaskan imej anda secara terus atau tukarkannya kepada teks apabila keserasian sari kata memaksa burn-in.
Mengapa 4K HDR tersekat-sekat sedangkan 1080p ditranskod dengan lancar?
Kedua-dua beban kerja menggunakan bahagian kad yang berbeza. Transkod SDR 1080p kebanyakannya adalah penyahkodan dan pengekodan, kedua-duanya pada perkakasan fungsi tetap apabila kad anda menyokong codec tersebut, ditambah dengan sebarang penskalaan, penyahjalinan (deinterlacing) atau subtitle burn-in yang diperlukan oleh strim. Strim 4K HDR menambah pemetaan tona, iaitu penapis CUDA yang berjalan pada teras shader, ditambah dengan bingkai yang jauh lebih besar untuk diskalakan. nvidia-smi dmon -s u yang menunjukkan enc dan dec rendah di sebelah sm yang tinggi menunjukkan perkara tersebut, kerana blok fungsi tetap mempunyai beban yang ringan manakala shader sibuk. Memainkan semula fail dengan pemetaan tona dimatikan akan menyelesaikan masalah ini.