#4310 使用本地faster-whisper进行转录的时候可以租用云端GPU运行吗？

faster-whisper 是集成在您本地 pyVideoTrans 中的语音识别组件，无法将转录任务单独卸载到远程 GPU 上运行。若要利用云端 GPU，需要将整个软件部署到带有 NVIDIA 显卡的云服务器（如 AutoDL、阿里云 GPU 实例等），并完成环境配置。官方未提供一键云端部署方案，您需自行：

1. 租用一台搭载 NVIDIA 显卡、显存足够（如 large-v3 模型建议 ≥10 GB 显存）的云服务器，并安装好 NVIDIA 驱动、CUDA 12.8 和 cuDNN 9.11+。
2. 参照源码部署说明（Linux/macOS），在服务器上安装 Python 3.10、FFmpeg、uv，克隆仓库并执行 uv sync。
3. 通过远程桌面或命令行运行 uv run sp.py，此时即可使用云端 GPU 进行转录。
4. 注意云服务器与本地间的文件传输，确保视频文件上传至服务器，处理完毕后再下载结果。

若仅为临时加速，不建议采用此方式，本地配置 NVIDIA 显卡并开启 CUDA 加速会更方便。

请查阅相关文档：

• 语音识别模型分类与说明
• Linux 源码部署
• Windows上安装CUDA12.8和cuDNN9.11

使用kaggle提供的GPU是否可行？

Kaggle 提供的 GPU 环境仅是一个云端 Notebook 运行实例，并非传统服务器。理论上您可以将 pyVideoTrans 源码手动部署到 Kaggle Notebook 中运行，但官方知识库并未提供针对 Kaggle 的指导，也未验证其兼容性。若执意尝试，需自行处理以下问题：

1. 环境依赖：需在 Notebook 中安装 Python 3.10、FFmpeg、CUDA 驱动以及 uv 包管理器，并克隆源码执行 uv sync。
2. 网络限制：Kaggle 会话可能无法直接访问 HuggingFace 下载模型，需配置代理或手动上传模型文件至 models 目录。
3. 会话持久性：Kaggle 的免费 GPU 会话有时间限制（单次最长约 12 小时），且运行结束后临时文件会被清空，不适合处理大批量或长视频。
4. 显存风险：Kaggle 通常提供 T4 等显卡（显存 15GB），运行 large-v3 勉强够用，但转录长视频时可能因显存溢出而报错。

鉴于上述不便，若仅为短期测试，可尝试，但官方不支持此部署方式。如需稳定 GPU 加速，建议租用按量付费的云 GPU 服务器（如 AutoDL），或为本机配备 NVIDIA 显卡并开启 CUDA 加速。

如果一定要在 Kaggle 上尝试，请自行参考 Linux 源码部署文档，并留意会话的生命周期限制。

请查阅相关文档：

• Linux 源码部署
• 手动下载模型的说明

如何部署到AutoDL上？

暂无法提供 AutoDL 的专项一键部署脚本，但您可参照 Linux 源码部署流程，在 AutoDL 实例中手动搭建环境。基本步骤如下：

1. 租用实例：在 AutoDL 选择含 NVIDIA 显卡、显存 ≥10GB（推荐 16G+）、预装 CUDA 12.8 的镜像，或租用后自行安装 CUDA 12.8 和 cuDNN 9.11+。
2. 安装依赖：打开终端，执行 apt update && apt install ffmpeg -y（若镜像未预装）；安装 Python 3.10 和 uv（参考官方文档）。
3. 部署软件：克隆仓库 git clone https://github.com/jianchang512/pyvideotrans，进入目录后执行 uv sync 安装所有依赖。
4. 启动程序：使用 uv run sp.py 启动图形界面（需搭配 X11 转发或 NoVNC 等远程桌面工具），或使用命令行模式 uv run cli.py --task stt ... 进行转录。
5. 文件管理：通过 AutoDL 的 JupyterLab 或 scp 将视频文件上传到实例，处理完成后下载输出文件。

注意事项：云实例重启后临时数据会丢失，建议将输出目录挂载到持久化存储（如网盘）；模型首次运行会自动下载到 models/ 目录，若网络不通需手动下载上传；长时间运行需保持 SSH 连接活跃。

由于官方未提供 AutoDL 专项支持，此方式仅供有能力排查问题的用户尝试。如遇错误，请提供 logs/ 目录下的日志信息以便进一步分析。

请查阅相关文档：

• Linux 源码部署