SSD Nodes Learn Hosting plans →
指南 Matt Connor作者: Matt Connor

Jellyfin Docker NVIDIA 硬體轉碼設定教學

透過 Docker Compose 設定 NVIDIA GPU 進行 Jellyfin 硬體轉碼。本文說明安裝 NVIDIA Container Toolkit 步驟,並教您使用 nvidia-smi 指令驗證 NVENC 與 NVDEC 轉碼狀態。

您正在建置的內容

在 NVIDIA GPU 上進行 Jellyfin 硬體轉碼的過程分為四個固定順序的步驟,且只有最後一步是在 Jellyfin 內部執行。若主機驅動程式未載入,容器將無法識別 GPU;若容器無法識別 GPU,Jellyfin 便無法使用它。請依照此順序操作,如此一來,若發生錯誤,便能明確找出問題所在。

  1. 在主機安裝 NVIDIA 驅動程式,並使用 nvidia-smi 進行確認。
  2. 安裝 NVIDIA Container Toolkit,以便 Docker 能將 GPU 指派給容器。
  3. 在 docker-compose.yml 中為 Jellyfin 服務保留 GPU,並確認容器能識別該裝置。
  4. 在 Jellyfin 的播放設定中啟用 NVENC 與 NVDEC,並確認實際播放時有使用這些功能。

NVENC (NVIDIA encoder) 與 NVDEC (NVIDIA decoder) 是顯示卡上的固定功能區塊。它們與執行 CUDA (compute unified device architecture) 運算的著色器核心 (shader cores) 在矽晶片上是分開的。這種分離正是此方案的價值所在:原本在軟體轉碼中會消耗數個 CPU 核心的串流,現在只需佔用極少量的 CPU 資源,並由 GPU 上的專用硬體區塊處理。

直接播放優先於所有轉碼,請先檢查這一點

在進行任何設定前,先確認是否有不必要的轉碼原因可以直接排除。Jellyfin 會在用戶端無法直接播放檔案時進行轉碼。原因幾乎總是以下幾項之一:視訊編解碼器、音訊編解碼器、容器格式、以影像呈現的字幕、用戶端要求的位元率限制,或用戶端回報的解析度及其他限制。

開啟 Dashboard,接著進入 Playback,並在播放內容時查看使用中的工作階段。標示為 Direct playing 的工作階段會原樣傳送檔案,幾乎不占用 CPU。標示為 Transcoding 的工作階段會顯示 Jellyfin 選擇轉碼的原因。排除該原因後,GPU 就完全不需要執行轉碼。

兩項變更即可排除大多數轉碼。將用戶端應用程式的畫質設為 Auto 或最高畫質,因為用戶端要求 4 Mbps 時,無論檔案使用哪種編解碼器,都會強制將 20 Mbps 的檔案重新編碼。接著使用原生用戶端應用程式,而不是瀏覽器分頁,因為瀏覽器是你可用的播放器中限制最多的一種;同一台電視上的原生應用程式通常可以直接播放相同檔案。

只有在用戶端無法直接呈現以影像為基礎的字幕時,才需要將字幕燒錄到視訊中。Blu-ray rip 的 PGS 字幕與 DVD rip 的 VOBSUB 字幕都是影像,但相容的用戶端可以直接顯示,不必重新編碼視訊;Jellyfin 的 Android integrated player 直接支援 PGS。用戶端支援時,SRT 文字字幕會分開傳送。如果字幕相容性導致必須燒錄字幕,將字幕軌轉換為文字會很有幫助。伺服器端的其餘內容請參閱在 VPS 上執行 Jellyfin 媒體伺服器的指南。

大多數 VPS 方案皆不具備 GPU

標準 VPS 方案不包含 GPU。在進行任何規劃前,請先在伺服器上執行此指令。

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

在典型的 KVM VPS 上,此指令僅會顯示來自 Hypervisor 的虛擬顯示介面,或無法提供任何實質資訊。該裝置無法進行影片編碼。唯有當供應商將實體顯示卡透傳(passthrough)至您的執行個體,或提供切分後的 GPU 資源時,才會出現真正的 GPU,而這類方案的價格也相對較高。哪些工作負載才值得租用 GPU VPS 一文說明了適用與不適用此類方案的對象。

若伺服器沒有 GPU,請以「直接播放」(direct play)為目標,並將軟體轉碼視為極少數的例外情況。單一 1080p H.264 軟體轉碼雖然負載沉重,但使用數個 CPU 核心尚可應付。至於 4K HDR 軟體轉碼並包含色調映射(tone mapping),小型 VPS 無法即時完成,這會導致 CPU 使用率飆升至 100%,並造成串流播放卡頓。

在主機上安裝 NVIDIA 驅動程式

Jellyfin 10.11 在 Linux 上記錄的 NVIDIA 驅動程式最低版本為 520.56.06。已安裝的 jellyfin-ffmpeg 組建可能需要更新的驅動程式;當驅動程式的 NVENC API 過舊時,轉碼日誌會回報所需的最低版本。Ubuntu 提供輔助工具,可自動選擇相符的套件。

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

--gpgpu 會選取驅動程式的無頭伺服器版本。媒體伺服器通常應使用此版本,因為主機不會執行桌面環境。list 命令會列出可用的分支,您可以依名稱固定使用某個分支,例如 sudo ubuntu-drivers install --gpgpu nvidia:570-server。請使用清單實際列出的分支,不要直接使用本文中的範例。

伺服器版本不一定會一併安裝 nvidia-smi。請為選定的分支安裝相符的 utils 套件,例如 sudo apt install nvidia-utils-570-server。接著檢查驅動程式。

nvidia-smi

正常結果會在標頭中顯示驅動程式版本與 CUDA 版本,並依名稱列出您的顯示卡。程序清單會回報使用 Compute、Graphics 或 Other GPU 資源的程序;GPU 正常時清單可能包含項目,清單為空則表示目前沒有回報中的 GPU 程序。這裡常見兩種錯誤。nvidia-smi: command not found 表示缺少 utils 套件,而不是缺少驅動程式。NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver 表示核心模組未載入;在全新安裝後,幾乎總是因為尚未重新開機,或 Secure Boot 拒絕載入未簽署的模組。使用 lsmod | grep nvidia 確認模組是否存在。如果該命令沒有輸出,且 sudo modprobe nvidia 執行 Key was rejected by service 失敗,表示 Secure Boot 正在阻擋模組。清除 Secure Boot 金鑰拒絕狀態涵蓋如何檢查韌體狀態,然後註冊 machine owner key 或關閉強制驗證。

安裝 NVIDIA Container Toolkit

驅動程式可讓主機使用 GPU。但 Docker 仍不會將 GPU 傳入容器,因為容器沒有裝置節點和驅動程式函式庫。NVIDIA Container Toolkit 會在容器啟動時注入這兩者。以下指令依照 NVIDIA 針對 Debian 和 Ubuntu 提供的安裝步驟。NVIDIA 目前的指南也會透過版本變數,將 Toolkit 套件固定在同一個版本;如本例未設定版本固定,則會安裝套件庫中的最新版本。

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

安裝套件還不夠,因為必須告知 Docker 已存在這個執行階段。

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

nvidia-ctk runtime configure 會將 nvidia 執行階段項目寫入 /etc/docker/daemon.json。重新啟動是最常被略過的步驟;略過後會產生整個設定流程中最常見的錯誤。在操作 Jellyfin 前,先測試這層整合是否正常。

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

這應該會輸出與主機先前相同的表格。如果改為失敗,並顯示無法選取具備 gpu 功能的裝置驅動程式,表示 Docker daemon 不知道 nvidia 執行階段的存在。請再次執行設定指令,然後重新啟動 daemon。

讓 Jellyfin 容器在 Docker Compose 中使用 GPU

這是現代的 Compose 格式。它以 Jellyfin 發布的範例為基礎,並明確寫出 2 個 NVIDIA 環境變數。

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]

啟動容器,並直接向容器發出查詢。

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

如果該指令從容器內輸出驅動程式表格,表示容器可存取 GPU,且管理程式庫可正常運作;但仍需檢查視訊程式庫,以及實際的轉碼功能。

這個檔案中有 4 行需要說明。capabilities: [gpu] 是 Compose 本身所需的設定。省略後,Compose 會拒絕該服務,而不是在沒有 GPU 的情況下啟動服務。NVIDIA_DRIVER_CAPABILITIES=all 也很重要,因為只有在要求 video capability 時,toolkit 才會將視訊程式庫掛載到容器中。變數未設定時,預設值只有 utility 和 compute。官方 Jellyfin image 已經設定這個變數,因此對該 image 而言,這行可防止設定遭到其他內容覆寫;Jellyfin 文件指出,如果自行建置 image,就必須自行加入這行。沒有 video capability 時,CUDA 可以運作,但 NVDEC 無法運作,轉碼日誌會回報 Cannot load libnvcuvid.so.1。network_mode: host 是 Jellyfin 自己的 NVIDIA 範例所使用的設定。Jellyfin 的容器指南指出,host networking 是選用設定,但 DLNA 必須使用它;如果改用 bridge network,則必須自行發布 8096/tcp 及 7359/udp 自動探索埠。

user: 1000:1000 是最後一項,與 GPU 無關。它決定 Jellyfin 能讀取 media mount 中的哪些檔案。設定不一致時,通常會顯示為空白媒體庫,而不是權限錯誤。PUID 和 PGID 如何將容器使用者對應到磁碟上的檔案說明這些編號的對應方式。如果你在旁邊以 Docker Compose 執行 Sonarr 和 Radarr 堆疊,這裡使用的編號也與先前設定的相同。

為什麼多數教學仍使用 runtime: nvidia

你找到的幾乎每份指南都會使用較舊的寫法,而且這種寫法並沒有錯。這是歷史演變的結果。原始的 nvidia-docker2 套件註冊了名為 nvidia 的 OCI runtime,而使用環境變數的方式則搭配該 runtime 使用 NVIDIA_VISIBLE_DEVICES。你可以透過 --runtime=nvidia 選取它,也可以將它設為 Docker 的預設 runtime。Docker 19.03 新增了 --gpus 旗標及正式的裝置要求 API。Compose 花了更久才支援這些功能;支援後,裝置要求被放在 deploy.resources.reservations.devices 下。多數人過去都忽略這個鍵,因為 deploy 原本代表 Docker Swarm。

因此,目前兩種寫法都能運作,而 Jellyfin 發布的範例會同時使用兩者。保留 runtime: nvidia 不會增加成本,還能讓檔案在較舊的 Compose 版本上運作。如果只保留 runtime: nvidia 並移除 deploy 區塊,就必須保留 NVIDIA_VISIBLE_DEVICES=all,因為舊版路徑會讀取該環境變數,以決定要注入哪些裝置;它沒有其他裝置要求可供讀取。

在 Jellyfin 中啟用 NVIDIA 硬體轉碼

目前的設定尚未告訴 Jellyfin 使用這張顯示卡。前往 Dashboard,依序開啟 Playback 和 Transcoding。將 Hardware acceleration 設為 Nvidia NVENC。勾選 Enable hardware encoding。否則 Jellyfin 會在 GPU 上解碼,再由 CPU 編碼,形成容易混淆的中間狀態:GPU 顯示有活動,但 CPU 仍持續高負載。

啟用 enhanced NVDEC decoder 可在目前的 NVDEC 路徑與較舊的 CUVID 路徑之間切換。請保持啟用。Dolby Vision 需要此選項,才能使用 NVDEC。

在 Enable hardware decoding for 下,只勾選顯示卡實際支援解碼的編解碼器。這是最容易設定錯誤的項目。在不具備 AV1 解碼器的顯示卡上勾選 AV1,可能會要求硬體解碼,並因 Hardware is lacking required capabilities 而失敗。不支援的選項不保證會回退到軟體解碼。

整個頁面還有一項限制:硬體加速只有搭配隨附的 jellyfin-ffmpeg build 才受到完整支援。Jellyfin 文件警告,使用其他來源的 FFmpeg binary 會導致部分硬體加速。因此,如果你將 FFmpeg path 指向系統的 FFmpeg,請改回原本的設定。

GPU 世代可解碼與編碼的影音編解碼器

以下是 Jellyfin 所記載的 NVENC 與 NVDEC 支援範圍。解碼與編碼是分開的能力,顯示卡可能只支援其中一項。

  • H.264 8-bit:所有同時具備 NVENC 與 NVDEC 的 NVIDIA GPU 都能解碼與編碼。
  • HEVC 8-bit:從 Maxwell 第二代(GM206)起支援解碼與編碼。
  • HEVC 10-bit:從 Maxwell 第二代起支援解碼,但該世代只有 GM206 變體支援;編碼則須從 Pascal 起才支援。
  • AV1:從 Ampere 起支援解碼,但 GA100 資料中心晶片除外(NVIDIA 的解碼表也列出 Hopper 不支援 AV1 解碼);從 Ada Lovelace 起支援編碼,Jellyfin 從 10.9 起支援此功能。

HEVC 10-bit 的差異最容易在實務上造成問題。採用 GM206 的 Maxwell 顯示卡能在 GPU 上解碼 4K HDR 檔案,但無法編碼 10-bit 輸出;不過,它支援 H.264 8-bit 與 HEVC 8-bit 編碼。其他 Maxwell 晶片完全不支援硬體 HEVC 10-bit 解碼。Jellyfin 會根據用戶端能力與編碼設定選擇輸出編解碼器;其 HEVC 轉碼路徑會強制使用 8-bit Main profile。只有在用戶端支援 AV1 時,才選擇 AV1 輸出。

色調映射為何會在不知不覺間重新耗用 GPU 資源

HDR(高動態範圍)轉 SDR(標準動態範圍)的色調映射,是會悄悄耗盡 GPU 預算的設定,原因在於其架構。解碼由 NVDEC 執行。編碼由 NVENC 執行。色調映射則兩者都不使用:它是由 CUDA 濾鏡在 shader cores 上執行,而 shader cores 正是 GPU 中負責一般用途運算的部分。因此,需要色調映射的 4K HDR 串流會同時使用解碼器與編碼器,並額外載入 shader cores。

Jellyfin 文件指出,所有能解碼 HEVC 10-bit 的 NVIDIA GPU 都支援 CUDA 色調映射。這表示即使是無法在 4K 下持續處理色調映射的顯示卡,也會顯示並啟用此核取方塊。常見症狀是串流開始後持續緩衝,始終無法穩定播放,而 nvidia-smi 顯示編碼器幾乎沒有負載。

因此,應另外監看 shader cores 的負載。

nvidia-smi dmon -s u

此命令每秒輸出一行,並分別顯示 sm、enc 與 dec 欄位。enc 和 dec 偏低,但 sm 數值偏高,表示負載來自 shader cores,而不是固定功能區塊。因此,最可能的成本來源是色調映射、縮放或字幕燒錄。這只能作為判斷線索,不能視為證明:NVIDIA 將 GPU 使用率定義為取樣期間至少有一個 kernel 正在執行的時間比例,因此數值偏高只能表示 shader cores 正在忙碌,不能表示已達到飽和。CUDA 路徑也能以 zero copy 處理 Dolby Vision profile 5。這點很重要,因為未使用 zero copy 時,影格會在各個濾鏡步驟之間傳送至系統記憶體,再傳回 GPU,而每個影格都會產生這次往返的頻寬成本。

消費級 NVENC 工作階段上限實際限制的項目

圖表NVENC engines and concurrent encode session cap, NVIDIA published support matrix, October 2026
此圖表背後的資料
[
  {
    "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
  }
]

以上是 NVIDIA 截至 2026 年 10 月公布的矩陣數據,不是本次實測結果。NVIDIA 的政策會將單一系統內所有 GeForce 顯示卡的同時編碼工作階段合計限制為 12,不論使用哪些型號。這項限制位於驅動程式,而非 GPU 硬體本身。NVIDIA 多年來曾數度提高上限,因此應查閱目前的矩陣,不要依據舊論壇文章判斷。真正會隨顯示卡改變的是編碼引擎數量:GeForce RTX 5090 搭載 3 個 NVENC 引擎,而 GeForce RTX 4060 搭載 1 個。引擎越多,平行編碼吞吐量越高,但工作階段上限不會因此提高。

此上限計算編碼工作階段,也包含 Jellyfin 以外的視訊編碼。Direct play 與重新封裝都不會建立編碼工作階段。L4 等資料中心顯示卡在相同矩陣中列為不受限制,但 A100 與 H100 等型號沒有 NVENC 編碼器,因此在 GPU VPS 方案中應確認確切的顯示卡型號。

達到上限時,轉碼會失敗,FFmpeg 日誌中會出現 OpenEncodeSessionEx failed: out of memory (10)。該訊息提到記憶體,但工作階段限制拒絕也會回報相同代碼。因此,先檢查同時串流數量,再調查是否有 VRAM 洩漏。實務上,多數使用者會先遇到色調映射上限或上傳頻寬不足,通常早於第 12 個工作階段。

證明 GPU 正在進行轉碼,不要只相信設定

已儲存的設定不是證據。播放一個確定會強制轉碼的檔案,然後執行以下 3 項檢查。

  1. 開啟 Dashboard,再開啟 Playback。目前的工作階段應顯示 Transcoding,並說明轉碼原因。如果顯示 Direct playing,表示沒有進行轉碼,而你測試的是錯誤的檔案。
  2. 開啟 Dashboard,再開啟 Logs,並開啟最新的 FFmpeg.Transcode log。完整的硬體轉碼會在命令列中顯示 -hwaccel cuda 和 -hwaccel_output_format cuda,以及 NVENC encoder,例如 h264_nvenc 或 hevc_nvenc;在 Ada Lovelace 和更新的架構上,也可能顯示 AV1 NVENC encoder。若這裡出現 libx264,表示編碼在 software 中執行,無論設定頁面如何宣稱。若使用 NVENC encoder 但缺少 -hwaccel cuda,表示解碼部分在 software 中執行。
  3. 在播放持續期間,於主機上執行 nvidia-smi。應會看到來自 /usr/lib/jellyfin-ffmpeg/ffmpeg 的程序,且已配置 GPU 記憶體;nvidia-smi dmon -s u 的 enc 和 dec 欄位也應顯示非零值。

第三項檢查必須在主機上執行,而不是在 container 內執行。container 內的 nvidia-smi 通常會顯示空白的程序清單,因為它看不到自身 namespace 外的程序 ID,但使用率數值仍會正確顯示。container 內的程序清單為空不是故障。

未通知你就退回使用軟體編碼

Jellyfin 會在停用硬體編碼,或要求的硬體編碼器無法使用時,選取軟體編碼器。播放期間失敗的硬體路徑仍可能導致串流失敗,因此請讀取 FFmpeg 日誌,不要假設所有失敗都會退回使用軟體編碼。

轉碼日誌中的 Cannot load libnvcuvid.so.1 表示 dynamic loader 載入 decoder library 失敗。單靠這則訊息,無法確認該 library 是否已掛載。請檢查 NVIDIA_DRIVER_CAPABILITIES=all,以及 container 中的 driver libraries 與 dynamic links。如果變更環境,請使用 docker compose up -d 重新建立 container;單純重新啟動會保留舊設定。

h264_nvenc 中的 No capable devices found 表示 FFmpeg 已到達 encoder library,但找不到可用的顯示卡。再次檢查 docker compose exec jellyfin nvidia-smi,然後讀取前面的日誌訊息,確認是否有裝置或 encoder capability 失敗。

GPU 使用率偏低但 CPU 使用率很高時,應檢查哪些階段使用軟體處理。取消勾選該世代無法解碼的 codecs,然後重新播放相同檔案,再次讀取 FFmpeg 日誌,確認是否出現 -hwaccel cuda。如果出現且 CPU 仍然繁忙,請尋找 Jellyfin 無法交由 GPU 處理的階段,例如 image subtitle burn-in。

轉碼在 4K HDR 上開始後停滯,但 1080p 正常時,通常是 tone mapping 的處理上限,而不是安裝損壞。查看 nvidia-smi dmon -s u 中的 sm 欄位,然後關閉 tone mapping 後重新播放相同檔案;如果串流恢復穩定,表示限制來自 tone mapping。接著降低用戶端要求的解析度,或只在能以 direct play 播放的用戶端上播放 4K HDR 檔案。

FAQ

為什麼啟用 NVENC 後,Jellyfin 仍會使用 CPU?

請在 Dashboard 的 Logs 中查看最新的 FFmpeg.Transcode 日誌。如果顯示 libx264,表示編碼正在以軟體方式執行。如果 -hwaccel cuda 也不存在,請檢查命令中選取的解碼器,並執行 docker compose exec jellyfin nvidia-smi 確認 GPU 是否可見。如果 -hwaccel cuda 與 libx264 並列,表示命令要求使用 GPU 解碼,但編碼仍由軟體執行;請檢查是否啟用 Enable hardware encoding,以及 Jellyfin 是否偵測到指定的硬體編碼器。僅憑這些旗標,無法證明 GPU 解碼已成功。如果顯示 h264_nvenc,但沒有 -hwaccel cuda,請檢查該檔案的編解碼器是否已在 Enable hardware decoding for 中勾選。勾選顯示卡無法解碼的編解碼器,可能會產生硬體解碼器錯誤,而不是回退至軟體解碼。如果兩者都存在,但 CPU 仍然繁忙,負載可能來自仍由 CPU 執行的階段,例如字幕燒錄。

Docker Compose 中是否仍需要 runtime: nvidia 行?

如果已有 deploy.resources.reservations.devices 區塊,且使用目前版本的 Docker Compose,便不需要。該區塊是現代的裝置請求形式,功能相同。runtime: nvidia 是 nvidia-docker2 時期的舊有方式,目前仍可運作,而且 Jellyfin 官方發布的範例仍同時保留兩者。同時保留兩者不會造成問題。若只保留 runtime: nvidia,也必須保留 NVIDIA_VISIBLE_DEVICES=all,因為該方式沒有可讀取裝置請求,必須從環境取得裝置清單。

一張 NVIDIA GPU 可以同時轉碼多少個串流?

截至 October 2026,NVIDIA 公布的政策將 GeForce 顯示卡限制為每個系統合計 12 個並行編碼工作階段;L4 等資料中心顯示卡則列為不受限制,但部分資料中心型號沒有 NVENC 編碼器。這個上限很少是真正的瓶頸。HDR 轉 SDR 的色調映射會使用 shader cores,而不是 NVENC,因此會增加另一項效能限制。請使用 nvidia-smi dmon -s u 測量實際情況,並監看 sm 欄位,而不是工作階段數量。

沒有 GPU 的 VPS 可以使用硬體轉碼嗎?

不行。編碼需要實體 NVENC 區塊,而標準 VPS 中的 lspci -nn | grep -Ei "3d|display|vga" 只會顯示 hypervisor 提供的虛擬顯示介面。在沒有 GPU 的方案上,實際可行的做法是避免轉碼:將用戶端的畫質設定提高為 Auto、改用原生用戶端應用程式而不是瀏覽器,並使用能直接轉譯影像型字幕的用戶端;若字幕相容性迫使系統進行燒錄,則將字幕轉換為文字。

為什麼 1080p 可以順利轉碼,但 4K HDR 會卡頓?

這兩種工作負載使用顯示卡的不同部分。1080p SDR 轉碼主要包含解碼與編碼;如果顯示卡支援該編解碼器,這兩者都會使用固定功能硬體,另外還包括串流所需的縮放、去交錯或字幕燒錄。4K HDR 串流會增加色調映射。色調映射是執行於 shader cores 的 CUDA filter,且需要縮放的影格大得多。若 nvidia-smi dmon -s u 顯示 enc 和 dec 偏低,但 sm 偏高,便可判斷問題可能出在這裡,因為固定功能區塊的負載較低,而 shader cores 正在忙碌。關閉色調映射後重新播放該檔案,即可確認原因。

這篇文章對您有幫助嗎?