Jellyfin: NVIDIA-транскодування в Docker
Налаштуйте NVIDIA GPU для Jellyfin через Docker Compose, увімкніть NVENC і NVDEC та перевірте реальне транскодування командою nvidia-smi.
Що ви налаштовуєте
Апаратне транскодування Jellyfin на GPU NVIDIA складається з чотирьох кроків у фіксованому порядку. Лише останній крок виконується в самому Jellyfin. Контейнер не бачить GPU, якщо драйвер на хості не завантажено. Jellyfin не може використовувати GPU, якого не бачить контейнер. Виконуйте кроки в такому порядку — тоді для кожної помилки буде очевидне місце перевірки.
- Встановіть драйвер NVIDIA на хості та підтвердьте його роботу за допомогою
nvidia-smi. - Встановіть NVIDIA Container Toolkit, щоб Docker міг передати GPU контейнеру.
- Зарезервуйте GPU для сервісу Jellyfin у
docker-compose.yml, а потім перевірте, чи бачить його контейнер. - Увімкніть NVENC і NVDEC у власних налаштуваннях відтворення Jellyfin, а потім перевірте, чи використовуються вони під час фактичного відтворення.
NVENC (кодер NVIDIA) і NVDEC (декодер NVIDIA) — це спеціалізовані апаратні блоки на відеокарті. Вони фізично відокремлені від shader cores, на яких виконуються завдання CUDA (compute unified device architecture). Саме тому це має сенс: потік, який під час програмної обробки завантажує кілька ядер CPU, використовує лише невелику частину одного ядра та окремий апаратний блок GPU.
Пряме відтворення завжди краще за будь-яке транскодування, тому спочатку перевірте саме його
Перш ніж щось налаштовувати, з’ясуйте, чи справді транскодування потрібне. Можливо, причину можна просто усунути. Jellyfin виконує транскодування, коли клієнт не може відтворити файл без змін. Причина майже завжди належить до одного з кількох типів: відеокодек, аудіокодек, формат контейнера, субтитри у вигляді зображень, обмеження бітрейту, задане клієнтом, або обмеження роздільної здатності чи інший параметр, про який повідомив клієнт.
Відкрийте Dashboard, потім Playback, і спостерігайте за активним сеансом під час відтворення. Сеанс зі статусом Direct playing передає файл без змін і майже не використовує CPU. Сеанс зі статусом Transcoding показує причину, через яку Jellyfin вибрав транскодування. Усуньте цю причину — і GPU взагалі не доведеться працювати.
Дві зміни усувають більшість випадків транскодування. Установіть якість у клієнтському застосунку на Auto або максимальне значення, оскільки запит клієнта на 4 Mbps змушує повторно кодувати файл із бітрейтом 20 Mbps незалежно від кодека. Також використовуйте native client app замість вкладки браузера: браузер є найбільш обмеженим програвачем, а native app на тому самому TV часто відтворює ідентичний файл безпосередньо.
Субтитри у вигляді зображень потрібно вбудовувати у відео лише тоді, коли клієнт не може відобразити їх безпосередньо. Субтитри PGS із Blu-ray rip і VOBSUB із DVD rip є зображеннями, але сумісні клієнти відображають їх без повторного кодування відео; інтегрований програвач Jellyfin для Android підтримує PGS безпосередньо. Текстові субтитри у форматі SRT передаються окремо, якщо клієнт їх підтримує. Перетворення доріжок субтитрів на текст корисне, коли несумісність субтитрів змушує вбудовувати їх у відео. Решту серверної частини описано в посібнику із запуску медіасервера Jellyfin на VPS.
У більшості тарифів VPS взагалі немає GPU
Стандартні тарифи VPS не передбачають GPU. Виконайте цю команду на сервері, перш ніж планувати щось інше.
lspci -nn | grep -Ei "3d|display|vga"На типовому KVM VPS ця команда виводить віртуальний відеоадаптер від гіпервізора або не виводить нічого корисного. Такий пристрій не може кодувати відео. Фізичний GPU доступний лише тоді, коли провайдер передає фізичну відеокарту безпосередньо вашому інстансу або виділяє частину її ресурсів. Відповідні тарифи коштують дорожче. У розділі Які робочі навантаження справді виправдовують оплату VPS з GPU описано, кому GPU VPS потрібен, а кому — ні.
Якщо GPU немає, орієнтуйтеся на direct play і розглядайте програмне транскодування лише як винятковий випадок. Одне програмне транскодування 1080p H.264 створює значне навантаження, але кілька ядер CPU зазвичай можуть його обробити. Програмне транскодування 4K HDR із tone mapping не може виконуватися в реальному часі на невеликому VPS. Тому відтворення переривається, а завантаження CPU залишається на рівні 100 відсотків.
Встановіть драйвер NVIDIA на хості
Jellyfin 10.11 визначає мінімальну версію драйвера NVIDIA для Linux — 520.56.06. Встановлена збірка jellyfin-ffmpeg може потребувати новішого драйвера. Її журнал транскодування вказує мінімальну версію, якщо NVENC API драйвера застарілий. Ubuntu має допоміжний інструмент, який підбирає сумісний пакет.
sudo ubuntu-drivers list --gpgpu
sudo ubuntu-drivers install --gpgpu
sudo reboot--gpgpu вибирає headless server-варіант драйвера. Саме він потрібен медіасерверу, оскільки на ньому немає графічного робочого стола. Команда list виводить доступні вам гілки. Одну з них можна зафіксувати за назвою, наприклад sudo ubuntu-drivers install --gpgpu nvidia:570-server. Використовуйте гілку, яку фактично вивела команда, а не ту, що наведена тут.
Server-варіант не завжди встановлює nvidia-smi. Встановіть відповідний пакет utils для вибраної гілки, наприклад sudo apt install nvidia-utils-570-server. Потім перевірте драйвер.
nvidia-smiЯкщо все працює належно, у заголовку таблиці буде вказано версію драйвера та версію CUDA, а вашу відеокарту буде наведено за назвою. Список процесів показує процеси, які використовують ресурси GPU категорій Compute, Graphics або Other. На справному GPU цей список може бути непорожнім. Порожній список означає, що процеси GPU не виявлено. Тут часто виникають дві помилки. nvidia-smi: command not found означає, що відсутній пакет utils, а не драйвер. NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver означає, що модуль ядра не завантажено. На щойно встановленій системі це майже завжди означає, що ви ще не перезавантажили сервер або Secure Boot не дозволяє завантажити непідписаний модуль. Переконайтеся, що модуль присутній, за допомогою lsmod | grep nvidia. Якщо команда нічого не виводить, а sudo modprobe nvidia завершується з помилкою Key was rejected by service, Secure Boot блокує модуль. У розділі усунення відхилення ключа Secure Boot описано, як перевірити стан firmware, а потім додати ключ власника машини або вимкнути перевірку підписів.
Встановлення NVIDIA Container Toolkit
Драйвер дає змогу хосту використовувати GPU. Docker усе одно не передаватиме GPU у контейнер, оскільки контейнер не має ані вузлів пристроїв, ані бібліотек драйвера. NVIDIA Container Toolkit додає обидва компоненти під час запуску контейнера. Ці команди відповідають офіційним крокам NVIDIA для Debian і Ubuntu. Поточний посібник NVIDIA також фіксує пакети toolkit на одній версії за допомогою змінної версії. Якщо, як у цьому прикладі, не задавати фіксовану версію, з репозиторію буде встановлено найновіший випуск.
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-toolkitВстановити пакет недостатньо, оскільки Docker потрібно повідомити про наявність runtime.
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart dockernvidia-ctk runtime configure записує запис runtime nvidia у /etc/docker/daemon.json. Перезапуск часто пропускають. Саме це спричиняє найпоширенішу помилку в усій цій конфігурації. Перевірте взаємодію компонентів до налаштування Jellyfin.
sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smiКоманда має вивести ту саму таблицю, яку вивела система на хості. Якщо натомість з’являється помилка про неможливість вибрати драйвер пристрою з можливостями gpu, демон Docker не знає про runtime nvidia. Повторно виконайте команду налаштування та перезапустіть демон.
Надання контейнеру Jellyfin доступу до GPU у Docker Compose
Це сучасний формат Compose. Він базується на прикладі, який публікує Jellyfin, і явно задає дві змінні середовища 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]Запустіть контейнер і перевірте його безпосередньо.
docker compose up -d
docker compose exec jellyfin nvidia-smiЯкщо всередині контейнера виводиться таблиця драйвера, доступ до GPU та бібліотека керування працюють. Відеобібліотеки та фактичне транскодування ще потрібно перевірити.
Чотири рядки в цьому файлі потребують пояснення. capabilities: [gpu] обов’язковий для самого Compose. Якщо його пропустити, Compose відмовиться запускати сервіс, а не запустить його без GPU. NVIDIA_DRIVER_CAPABILITIES=all важливий, оскільки toolkit монтує відеобібліотеки в контейнер лише тоді, коли запитано відеоможливість. Якщо змінну не задано, за замовчуванням використовуються лише utility і compute. Офіційний образ Jellyfin уже задає цю змінну, тому для цього образу рядок захищає від її перевизначення. У документації Jellyfin зазначено, що під час самостійної збірки образу цей рядок потрібно додати вручну. Без відеоможливості CUDA працює, а NVDEC — ні. У журналі транскодування з’являється Cannot load libnvcuvid.so.1. network_mode: host — це значення, яке використовує власний приклад Jellyfin для NVIDIA. У посібнику Jellyfin для контейнерів host networking названо необов’язковим, але необхідним для DLNA. Якщо замість цього використовується bridge network, порти 8096/tcp і 7359/udp для автоматичного виявлення потрібно опублікувати вручну.
user: 1000:1000 — останній рядок, і він не має стосунку до GPU. Він визначає, які файли Jellyfin може читати на змонтованому медіаносії. Якщо значення не збігається, бібліотека буде порожньою, а не з’явиться помилка доступу. У матеріалі Як PUID і PGID зіставляють користувача контейнера з файлами на диску пояснено це нумерування. Використовується те саме нумерування, яке ви вже задали, якщо поруч із цим запускаєте стек Sonarr і Radarr у Docker Compose.
Чому в більшості інструкцій досі вказують runtime: nvidia
Старіша форма є майже в кожній інструкції, яку ви знайдете, і вона не є неправильною. Це історично зумовлено. Початковий пакет nvidia-docker2 реєстрував OCI runtime з назвою nvidia, а шлях через змінну середовища використовував NVIDIA_VISIBLE_DEVICES разом із цим runtime. Його вибирали або через --runtime=nvidia, або як runtime Docker за замовчуванням. У Docker 19.03 додали прапорець --gpus і належний API для запитів пристроїв. Compose адаптувався пізніше. Коли це сталося, запит пристрою з’явився під ключем deploy.resources.reservations.devices — ключем, який більшість користувачів звикла ігнорувати, оскільки раніше deploy означав Docker Swarm.
У результаті сьогодні працюють обидві форми, а опублікований приклад Jellyfin містить їх одночасно. Наявність runtime: nvidia нічого не коштує та забезпечує роботу файлу зі старішими версіями Compose. Якщо залишити лише runtime: nvidia і видалити блок deploy, потрібно зберегти NVIDIA_VISIBLE_DEVICES=all, оскільки застарілий шлях читає змінну середовища, щоб визначити, які пристрої потрібно додати, і не має запиту пристрою, який можна було б прочитати замість неї.
Увімкнення апаратного транскодування NVIDIA у Jellyfin
Досі Jellyfin не було налаштовано на використання відеокарти. Відкрийте Dashboard, потім Playback, а далі Transcoding. У полі Hardware acceleration виберіть Nvidia NVENC. Увімкніть Enable hardware encoding. Інакше Jellyfin декодуватиме відео на GPU, а кодуватиме на CPU. Це заплутаний проміжний стан: GPU показує активність, а CPU усе ще працює з високим навантаженням.
Увімкніть Enable enhanced NVDEC decoder. Цей параметр перемикає між поточним шляхом NVDEC і старішим шляхом CUVID. Залиште його увімкненим. Для обробки Dolby Vision він потрібен, щоб взагалі використовувати NVDEC.
У розділі Enable hardware decoding for виберіть лише ті кодеки, які ваша відеокарта справді може декодувати. Саме тут часто помиляються. Якщо вибрати AV1 на карті без декодера AV1, Jellyfin може запросити апаратне декодування, і воно завершиться помилкою Hardware is lacking required capabilities. Непідтримуваний вибір не гарантує переходу на програмне декодування.
Для всієї цієї сторінки діє ще одне обмеження: апаратне прискорення повністю підтримується лише з комплектною збіркою jellyfin-ffmpeg. У документації Jellyfin зазначено, що бінарні файли FFmpeg з інших джерел забезпечують лише часткове прискорення. Тому, якщо ви вказали шлях до системного FFmpeg, поверніть попередній шлях.
Які кодеки може декодувати й кодувати ваше покоління GPU
Це обмеження, які Jellyfin документує для NVENC і NVDEC. Декодування та кодування є окремими можливостями, тому відеокарта може підтримувати одну з них без підтримки іншої.
- H.264 8-bit: кожен GPU NVIDIA із NVENC і NVDEC декодує та кодує цей формат.
- HEVC 8-bit: декодування та кодування підтримуються починаючи з Maxwell second generation (GM206) і новіших поколінь.
- HEVC 10-bit: декодування підтримується починаючи з Maxwell second generation і новіших поколінь, але серед представників цього покоління його мають лише варіанти GM206; кодування підтримується лише починаючи з Pascal і новіших поколінь.
- AV1: декодування підтримується починаючи з Ampere і новіших поколінь, крім серверного чипа GA100 (у таблиці декодерів NVIDIA також зазначено Hopper без підтримки декодування AV1); кодування підтримується починаючи з Ada Lovelace і новіших поколінь, а Jellyfin підтримує його починаючи з 10.9.
На практиці найчастіше проблеми виникають через розділення можливостей для HEVC 10-bit. Відеокарта Maxwell на базі GM206 декодує ваш файл 4K HDR на GPU, але не може кодувати 10-bit-вихід. Водночас вона підтримує кодування H.264 8-bit і HEVC 8-bit. Інші чипи Maxwell взагалі не декодують HEVC 10-bit апаратно. Jellyfin вибирає вихідний кодек на основі можливостей клієнта та параметрів кодування; його шлях транскодування HEVC примусово використовує профіль Main із розрядністю 8-bit. Вибирайте вихід AV1 лише для клієнтів, які його підтримують.
Чому tone mapping непомітно повторно завантажує GPU
Перетворення HDR (high dynamic range) на SDR (standard dynamic range) за допомогою tone mapping — це налаштування, яке непомітно вичерпує резерв GPU. Причина полягає в архітектурі. Декодування виконує NVDEC. Кодування виконує NVENC. Tone mapping не використовує жоден із них: це CUDA-фільтр, який працює на shader cores — тій самій універсальній частині GPU, що виконує обчислювальні завдання. Тому потік 4K HDR, якому потрібен tone mapping, використовує декодер і encoder та додатково навантажує shaders.
Jellyfin вказує, що CUDA tone mapping доступний на кожному NVIDIA GPU, який може декодувати HEVC 10-bit. Це означає, що прапорець відображається та працює на картах, які не можуть стабільно виконувати цю операцію у 4K. Ознака проблеми — потік запускається, буферизується й не переходить у стабільний режим, тоді як nvidia-smi показує мінімальне навантаження encoder.
Тому навантаження shaders варто відстежувати окремо.
nvidia-smi dmon -s uКоманда виводить один рядок на секунду з окремими стовпцями для sm, enc і dec. Низькі enc і dec разом із високим значенням sm вказують на навантаження shaders, а не блоків фіксованих функцій. Отже, найімовірнішою причиною є tone mapping, масштабування або вбудовування субтитрів. Вважайте це орієнтиром, а не доказом: NVIDIA визначає GPU utilisation як частку періоду вимірювання, протягом якої виконувався принаймні один kernel. Тому високе значення означає, що shaders були зайняті, але не те, що вони працювали на межі можливостей. CUDA path також обробляє Dolby Vision profile 5 із zero copy. Це важливо, оскільки без zero copy кадри під час переходу між етапами фільтрації переміщуються до system memory і назад, а кожне таке переміщення споживає пропускну здатність.
Що насправді обмежує ліміт NVENC-сеансів на споживчих картах
Дані, на яких побудовано графік
[
{
"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
}
]Це опубліковані NVIDIA показники з матриці станом на October 2026, а не вимірювання, виконані тут. Політика NVIDIA обмежує загальну кількість одночасних сеансів кодування на всіх картах GeForce в одній системі значенням 12, незалежно від моделей. Обмеження задається драйвером, а не апаратною частиною GPU. NVIDIA вже неодноразово змінювала його протягом років, тому перевіряйте актуальну матрицю, а не старе повідомлення на форумі. Кількість engine — це параметр, який справді залежить від карти: GeForce RTX 5090 має 3 NVENC engine, а GeForce RTX 4060 — 1. Більша кількість engine підвищує паралельну пропускну здатність кодування, але не збільшує ліміт сеансів.
Ліміт враховує сеанси кодування, зокрема відеокодування за межами Jellyfin. Direct play і remuxing не відкривають сеанс кодування. Data center карти, такі як L4, у тій самій матриці позначені як необмежені. Водночас у моделей на кшталт A100 і H100 немає NVENC encoder, тому перевіряйте конкретну карту в тарифі GPU VPS.
Коли ліміт досягнуто, transcoding завершується помилкою, а журнал FFmpeg містить OpenEncodeSessionEx failed: out of memory (10). У повідомленні згадується пам’ять, але відмова через ліміт сеансів повертає той самий код. Тому спочатку перевірте кількість одночасних потоків, а не шукайте витік VRAM. На практиці більшість користувачів досягає обмеження tone mapping або пропускної здатності upload задовго до дванадцятого сеансу.
Переконайтеся, що GPU виконує транскодування, а не покладайтеся на конфігурацію
Збережене налаштування не є доказом. Відтворіть файл, який гарантовано потребує транскодування, а потім виконайте три перевірки.
- Відкрийте Dashboard, а потім Playback. Для активного сеансу має бути вказано Transcoding і причину транскодування. Якщо вказано Direct playing, транскодування не виконується, і ви перевіряєте не той файл.
- Відкрийте Dashboard, а потім Logs, і відкрийте найновіший журнал
FFmpeg.Transcode. Повне апаратне транскодування містить-hwaccel cudaі-hwaccel_output_format cudaу командному рядку, а також енкодер NVENC, наприкладh264_nvencабоhevc_nvenc, або енкодер AV1 NVENC на Ada Lovelace і новіших архітектурах. Наявністьlibx264означає, що кодування виконується програмно, незалежно від того, що показує сторінка налаштувань. Відсутність-hwaccel cudaза наявності енкодера NVENC означає, що декодування частково виконується програмно. - Під час відтворення виконайте на хості
nvidia-smi. Має з’явитися процес із/usr/lib/jellyfin-ffmpeg/ffmpegіз виділеною пам’яттю GPU, аnvidia-smi dmon -s uмає показувати ненульові значення у стовпцях enc і dec.
Виконуйте третю перевірку на хості, а не всередині контейнера. nvidia-smi усередині контейнера зазвичай показує порожній список процесів, оскільки контейнер не бачить ідентифікатори процесів за межами власного простору імен, хоча значення утилізації відображаються правильно. Порожній список процесів усередині контейнера не є помилкою.
Коли система непомітно переходить на програмне кодування
Jellyfin вибирає програмний кодер, якщо апаратне кодування вимкнене або потрібний апаратний кодер недоступний. Апаратний шлях, який завершується помилкою під час відтворення, все одно може зупинити потік, тому читайте журнал FFmpeg, а не припускайте, що після кожної помилки система переходить на програмне кодування.
Cannot load libnvcuvid.so.1 у журналі транскодування означає, що dynamic loader не зміг завантажити бібліотеку декодера. Саме це повідомлення не підтверджує, що бібліотеку було змонтовано. Перевірте NVIDIA_DRIVER_CAPABILITIES=all, а також driver libraries і dynamic links контейнера. Якщо ви змінюєте середовище, створіть контейнер повторно за допомогою docker compose up -d; звичайний перезапуск зберігає старі налаштування.
No capable devices found з h264_nvenc означає, що FFmpeg досяг бібліотеки кодера, але не знайшов придатну відеокарту. Знову перевірте docker compose exec jellyfin nvidia-smi, а потім прочитайте попередні повідомлення журналу щодо помилок виявлення пристрою та можливостей кодера.
Високе навантаження на CPU за низького навантаження на GPU є підставою перевірити, які етапи виконуються програмно. Зніміть прапорці з кодеків, які ваше покоління обладнання не може декодувати, потім знову відтворіть той самий файл і перечитайте журнал FFmpeg, щоб перевірити, чи з’являється -hwaccel cuda. Якщо так і CPU усе ще завантажений, перевірте, чи немає етапу, який Jellyfin не може виконати на GPU, наприклад вбудовування субтитрів у зображення.
Якщо транскодування починається, а потім зупиняється під час відтворення 4K HDR, тоді як 1080p працює нормально, зазвичай проблема полягає в обмеженні tone mapping, а не в пошкодженій інсталяції. Перевірте стовпець sm у nvidia-smi dmon -s u, потім знову відтворіть той самий файл із вимкненим tone mapping: якщо потік стабілізується, саме tone mapping був обмеженням. Після цього зменште запитувану клієнтом роздільну здатність або зберігайте файли 4K HDR для клієнтів, які можуть відтворювати їх безпосередньо.
FAQ
Чому Jellyfin усе одно використовує CPU після ввімкнення NVENC?
Перевірте найновіший журнал FFmpeg.Transcode у розділі Dashboard, потім Logs. Якщо в ньому зазначено libx264, кодування виконується програмно. Якщо також відсутній -hwaccel cuda, перевірте декодер, вибраний у команді, і виконайте docker compose exec jellyfin nvidia-smi, щоб підтвердити доступність GPU. Якщо поруч із libx264 зазначено -hwaccel cuda, команда запитує декодування на GPU, але програмне кодування. Перевірте параметр Enable hardware encoding і переконайтеся, що Jellyfin виявляє потрібний апаратний енкодер. Самі прапорці не доводять, що декодування на GPU виконано успішно. Якщо зазначено h264_nvenc без -hwaccel cuda, перевірте, чи позначено кодек файлу в параметрі Enable hardware decoding for. Позначення кодека, який ваша відеокарта не може декодувати, може спричинити помилку апаратного декодера замість переходу до програмного декодування. Якщо присутні обидва записи, але CPU усе ще завантажений, навантаження створює етап, що виконується на CPU, наприклад вбудовування субтитрів у відео.
Чи потрібен мені рядок runtime: nvidia у Docker Compose?
Ні, якщо у вас є блок deploy.resources.reservations.devices і актуальна версія Docker Compose. Цей блок є сучасною формою запиту пристрою та виконує ту саму функцію. runtime: nvidia — старіший спосіб із часів nvidia-docker2. Він досі працює, а власний опублікований приклад Jellyfin містить обидва варіанти. Наявність обох варіантів не створює проблем. Якщо залишити лише runtime: nvidia, потрібно також зберегти NVIDIA_VISIBLE_DEVICES=all, оскільки цей спосіб не містить запиту пристрою та отримує список пристроїв із середовища.
Скільки потоків одна NVIDIA GPU може транскодувати одночасно?
Згідно з опублікованою політикою NVIDIA, станом на October 2026 для карт GeForce встановлено обмеження в дванадцять одночасних сеансів кодування на систему. Для карт дата-центрового класу, таких як L4, зазначено відсутність обмежень, хоча деякі моделі для дата-центрів не мають енкодера NVENC. Це обмеження рідко стає причиною зупинки транскодування. Перетворення HDR у SDR виконується на shader cores, а не на NVENC, тому створює окреме обмеження продуктивності. Перевірте власний сценарій за допомогою nvidia-smi dmon -s u і стежте за стовпцем sm, а не за кількістю сеансів.
Чи можна використовувати апаратне транскодування на VPS без GPU?
Ні. Для кодування потрібен фізичний блок NVENC, а lspci -nn | grep -Ei "3d|display|vga" на стандартному VPS показує лише віртуальний display adapter від hypervisor. Реалістичне рішення для тарифу без GPU — усунути транскодування: встановити для клієнта якість Auto, використовувати native client app замість браузера та вибрати клієнт, який безпосередньо відтворює субтитри на основі зображень, або перетворити їх на текст, якщо сумісність субтитрів змушує вбудовувати їх у відео.
Чому відео 4K HDR відтворюється ривками, якщо 1080p транскодується без проблем?
Ці два робочі навантаження використовують різні частини відеокарти. Транскодування 1080p SDR переважно включає декодування та кодування. Якщо ваша відеокарта підтримує відповідний кодек, обидві операції виконуються на апаратних блоках фіксованої функції, а також додаються масштабування, deinterlacing або вбудовування субтитрів, потрібні потоку. Потік 4K HDR додає tone mapping — фільтр CUDA, що виконується на shader cores, — і значно більший кадр для масштабування. Якщо nvidia-smi dmon -s u показує низькі значення enc і dec поруч із високим sm, це підтверджує таку причину: блоки фіксованої функції завантажені мало, а shader cores зайняті. Відтворення файлу з вимкненим tone mapping підтвердить це.