From 453b5d9dfa38aa5487edf4e8ab2d3e74dfe1fce0 Mon Sep 17 00:00:00 2001 From: Dmitry Dementiev Date: Mon, 21 Sep 2026 22:33:51 +0300 Subject: [PATCH] =?UTF-8?q?docs(cuda):=20=D0=BE=D0=BF=D0=B8=D1=81=D0=B0?= =?UTF-8?q?=D0=BD=D1=8B=20=D1=83=D1=81=D1=82=D0=B0=D0=BD=D0=BE=D0=B2=D0=BA?= =?UTF-8?q?=D0=B0=20extra=20=D0=B8=20=D0=BF=D1=80=D0=BE=D0=B2=D0=B5=D1=80?= =?UTF-8?q?=D0=BA=D0=B0=20Windows=20DLL?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 112 +++++++++---- docs/PRD.md | 12 +- docs/adr/001-cuda-bootstrap.md | 155 ++++++++++++------ docs/adr/003-pluggable-backends.md | 15 +- docs/adr/006-onnx-asr-backend.md | 8 +- docs/gpu.md | 51 +++--- .../2026-09-21-transcription-execution.md | 21 ++- 7 files changed, 241 insertions(+), 133 deletions(-) diff --git a/README.md b/README.md index f6299f9..31e6318 100644 --- a/README.md +++ b/README.md @@ -8,7 +8,7 @@ transcribe meeting.mp4 ``` - **Полностью локально** — данные не покидают машину -- **Авто-ускорение** — NVIDIA CUDA при наличии GPU, иначе ONNX на CPU +- **ONNX на CPU по умолчанию** — CUDA и OpenVINO включаются явно - **Батч-режим** — обработка нескольких файлов за один вызов - **Разделение говорящих** — локальная диаризация по флагу `--diarize` - **Из проводника Windows** — пункт Transcribe в меню «Отправить» ([установка](#контекстное-меню-проводника-windows)) @@ -50,18 +50,16 @@ transcribe --install-menu Подробнее — в разделе [контекстное меню проводника](#контекстное-меню-проводника-windows). -**4. Ускорение (ставится автоматически):** +**4. Выбор исполнения:** -- **NVIDIA CUDA** (GPU): если есть GPU — транскрипция в 5-10× быстрее - - **Windows**: `winget install -e --id Nvidia.CUDA --version 12.9` (от администратора), перезапустить терминал - - **Linux / WSL2**: работает из коробки (нужен только драйвер: `nvidia-smi`) -- **Без NVIDIA GPU**: автоматически используется ONNX с GigaAM RNN-T на CPU. - Эта модель понимает только русскую речь -- **Другие языки без NVIDIA**: выбирайте Whisper явно — - `--device openvino-cpu --model medium` на x86 или `--device cpu --model medium` - на любой платформе -- **OpenVINO** для Intel GPU или x86 CPU остаётся доступен через явный - `--device openvino`, `--device openvino-gpu` или `--device openvino-cpu` +- По умолчанию используется ONNX с GigaAM RNN-T на CPU, независимо от наличия + NVIDIA. Эта модель понимает только русскую речь. +- Для других языков выбирайте Whisper явно: + `--device openvino-cpu --model medium` на x86 или `--device cpu --model medium`. +- OpenVINO для Intel GPU или x86 CPU доступен через `--device openvino`, + `--device openvino-gpu` или `--device openvino-cpu`. +- Для NVIDIA установите дополнительные библиотеки и выберите CUDA явно: + [подключение CUDA](#подключение-cuda). **5. Готово:** @@ -132,17 +130,73 @@ HuggingFace Hub использует симлинки для экономии м +## Подключение CUDA + +Обычная установка не требует NVIDIA-пакетов. Extra `cuda` добавляет cuBLAS +в окружение приложения на Linux/WSL x86_64 и Windows x64. Полный системный +CUDA Toolkit и ручная правка системного PATH для этого пути не нужны. +Совместимые GPU и драйвер NVIDIA необходимы отдельно: extra не устанавливает +драйвер и не исправляет несовместимость старой видеокарты. + +Для установки из Git или подключения CUDA к уже установленной программе: + +```bash +uv tool install --python 3.13 --force "local-transcriber[cuda] @ git+https://git.dementev.space/ddmitry/local-transcriber.git" +``` + +Из клона репозитория: + +```bash +uv tool install --python 3.13 --force ".[cuda]" +``` + +Для локальной разработки: + +```bash +uv sync --extra cuda +uv run --extra cuda transcribe meeting.mp4 --device cuda +``` + +После установки extra выберите CUDA при запуске: + +```bash +transcribe meeting.mp4 --device cuda +``` + +Либо задайте в `.transcriber.toml`: + +```toml +device = "cuda" +``` + +Установка extra сама по себе не меняет `auto`: он всегда использует ONNX CPU. +Явная CUDA при ошибке завершает обработку с исходной причиной и подсказкой, +без молчаливого перехода на CPU. В батче ошибка учитывается для каждого файла. + +На Windows нужен также [Visual C++ Runtime x64](https://aka.ms/vs/17/release/vc_redist.x64.exe). +Состав DLL проверен для закреплённых версий CTranslate2 и cuBLAS; +реальный прогон нового пути на Windows без Toolkit пока не выполнен. +Подробности и ограничения проверки — [ADR-001](docs/adr/001-cuda-bootstrap.md). + +При обновлении из старой установки: + +- Для CPU повторите обычную команду `uv tool install` с `--force` без `[cuda]`. + В окружении разработки выполните `uv sync` — прежняя обязательная cuBLAS будет удалена. +- Для CUDA повторите соответствующую команду выше. Старый автоматический выбор + по `nvidia-smi` больше не действует; сохраните `device = "cuda"` в конфиге + либо передавайте `--device cuda`. + ## Использование ```bash -# Простой запуск (CUDA medium или ONNX GigaAM RNN-T, язык ru) +# Простой запуск (ONNX GigaAM RNN-T на CPU, язык ru) transcribe meeting.mp4 # Указать язык -transcribe lecture.mp3 --language en +transcribe lecture.mp3 --device cpu --model medium --language en # Максимальное качество на NVIDIA GPU -transcribe podcast.wav --model large-v3 --compute-type float16 +transcribe podcast.wav --device cuda --model large-v3 --compute-type float16 # Максимальное качество на Intel GPU transcribe podcast.wav --model large-v3 --device openvino-gpu @@ -243,7 +297,7 @@ transcribe --uninstall-menu | Опция | Сокращение | По умолчанию | Описание | |-------|-----------|-------------|----------| | `--model` | `-m` | medium (CUDA) / gigaam-v3-e2e-rnnt (ONNX) | Модель распознавания | -| `--language` | `-l` | `ru` | Язык (ru, en, auto и др.); автоматический профиль без NVIDIA понимает только русский | +| `--language` | `-l` | `ru` | Язык (ru, en, auto и др.); автоматический профиль понимает только русский | | `--output` | `-o` | `<файл>-transcript.md` | Путь к выходному файлу | | `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino, openvino-gpu, openvino-cpu, onnx) | | `--compute-type` | — | float16 (CUDA) / int8 (ONNX/OpenVINO) / float32 (CPU) | Тип вычислений | @@ -260,7 +314,7 @@ transcribe --uninstall-menu | CPU через ONNX | ✅ авто | ✅ авто | ✅ авто | | OpenVINO (x86 CPU) | ✅ явно | — | ✅ явно | | OpenVINO (Intel GPU) | ✅ явно | — | ✅ явно | -| GPU (NVIDIA) | ✅ авто | — | ✅ (нужен CUDA 12) | +| GPU (NVIDIA) | extra + явно (x86_64) | — | extra + явно (x64; прогон без Toolkit ожидается) | Данные по macOS основаны на доступности пакетов onnxruntime: прогонов на этой платформе не было. @@ -269,9 +323,9 @@ transcribe --uninstall-menu Linux / WSL2 - **Intel GPU** (Arc, встроенная графика) работает из коробки через OpenVINO -- **NVIDIA GPU** работает из коробки — cuBLAS ставится автоматически как зависимость -- Нужен только драйвер NVIDIA (проверка: `nvidia-smi`) -- На ARM (aarch64) cuBLAS через pip недоступен — нужен системный CUDA toolkit +- **NVIDIA GPU**: [extra `cuda` и явный выбор](#подключение-cuda), отдельно совместимый драйвер +- `nvidia-smi` проверяет наличие драйвера, но не доказывает совместимость GPU с runtime +- CUDA extra на ARM (aarch64) этим проектом не поддерживается @@ -288,13 +342,9 @@ transcribe --uninstall-menu - CPU работает из коробки - **Intel GPU** (Arc, встроенная графика) работает из коробки через OpenVINO -- Для **NVIDIA GPU** нужен **CUDA 12** (ctranslate2 4.7 не совместим с CUDA 11 и 13): - ``` - winget install -e --id Nvidia.CUDA --version 12.9 - ``` - > `winget install` требует запуска от имени администратора (elevated terminal). - > `uv tool install` работает без админа (ставит в пользовательскую директорию). -- После установки CUDA перезапустите терминал +- **NVIDIA GPU**: [extra `cuda` и явный выбор](#подключение-cuda), отдельно совместимый драйвер +- Требуется Visual C++ Runtime x64; системный CUDA Toolkit не нужен для extra +- Реальная транскрипция с extra без Toolkit пока не проверена на Windows @@ -318,8 +368,8 @@ diarize = true `--diarize` и `--no-diarize` позволяют переопределить `diarize` из конфига для отдельного запуска. -При `device = "auto"` выбирается CUDA, если доступен `nvidia-smi`, иначе ONNX. -Явный `device` из CLI или конфига отключает этот автоматический выбор. +При `device = "auto"` всегда выбирается ONNX CPU, даже если доступны +`nvidia-smi` и extra `cuda`. Другие варианты выбираются явно из CLI или конфига. Каталоги моделей различаются между бэкендами, поэтому при закреплении `model` в конфиге рекомендуется явно закрепить и совместимый `device`. То же с языком: автоматический ONNX-профиль рассчитан на русскую речь, а для остальных языков @@ -336,9 +386,9 @@ diarize = true ## Модели и GPU Рекомендации: -- **По умолчанию без CUDA:** ONNX `gigaam-v3-e2e-rnnt` — читаемый русский текст с +- **По умолчанию:** ONNX `gigaam-v3-e2e-rnnt` — читаемый русский текст с пунктуацией почти без потери скорости относительно сырого `gigaam-v3` -- **Макс. качество (NVIDIA):** `large-v3` + `--compute-type float16` +- **Макс. качество (NVIDIA):** `--device cuda --model large-v3 --compute-type float16` - **Макс. качество (Intel GPU):** `large-v3` + `--device openvino-gpu` - **Макс. скорость CPU (русский):** `--device onnx --model gigaam-v3` (17-29× RTF, без пунктуации; рекомендуется LLM-нормализация терминов после) - **Быстрый OpenVINO с низким WER:** `--device openvino-cpu --model large-v3-turbo --compute-type int8` (7,2× RTFx на контрольном Intel CPU; пунктуация может быть слабой) diff --git a/docs/PRD.md b/docs/PRD.md index 199f122..11bddcf 100644 --- a/docs/PRD.md +++ b/docs/PRD.md @@ -49,7 +49,7 @@ transcribe <путь_к_файлу> [опции] --output, -o Путь к выходному файлу По умолчанию: -transcript.md --device, -d Устройство (auto|cpu|cuda|onnx|openvino|openvino-gpu|openvino-cpu) - По умолчанию: auto (CUDA при наличии, иначе ONNX CPU) + По умолчанию: auto (всегда ONNX CPU) --compute-type Тип вычислений По умолчанию: float16 (CUDA) / int8 (ONNX) --verbose, -v Подробный вывод (прогресс сегментов) @@ -103,7 +103,7 @@ transcribe <путь_к_файлу> [опции] |---------------------------|---------------------------------------| | RTX 3060 + large-v3 | ~10-15x (1 час аудио ≈ 4-6 мин) | | RTX 4050 + large-v3 | ~12-18x (1 час аудио ≈ 3-5 мин) | -| Quadro M3000M + large-v3 | ~3-5x (1 час аудио ≈ 12-20 мин) | +| Quadro M3000M + CUDA | Не поддерживается текущей сборкой; см. [совместимость](gpu.md#совместимость-gpu) | | CPU + ONNX GigaAM RNN-T | ~10-14x (1 час аудио ≈ 4-6 мин) | | CPU + OpenVINO Turbo INT8 | ~7-10x (1 час аудио ≈ 6-9 мин) | | CPU (modern) + large-v3 | ~0.5-1x (1 час аудио ≈ 60-120 мин) | @@ -115,7 +115,7 @@ transcribe <путь_к_файлу> [опции] |-------------------|-------|--------------------------|----------------------------|-------------------------| | RTX 3060 | 6 GB | ✅ | ✅ (впритык) | int8 — безопасный выбор | | RTX 4050 | 6 GB | ✅ | ✅ (впритык) | int8 — безопасный выбор | -| Quadro M3000M | 4 GB | ✅ | ⚠️ может OOM | int8 обязательно | +| Quadro M3000M | 4 GB | ❌ | ❌ | ONNX CPU или OpenVINO | | Без GPU | — | ONNX GigaAM INT8 | — | auto выбирает ONNX | Device-aware дефолты выбирают `float16` для CUDA и `int8` для ONNX/OpenVINO. @@ -123,7 +123,7 @@ Device-aware дефолты выбирают `float16` для CUDA и `int8` д ### 4.2. Требования к окружению - Python ≥ 3.13 -- Для GPU: Linux/WSL2 — cuBLAS из nvidia-cublas-cu12 (ставится автоматически через `uv sync`); Windows — системный CUDA toolkit (см. ADR-001) +- Для NVIDIA GPU на Linux/WSL x86_64 и Windows x64: совместимый драйвер, extra `cuda` и явный выбор CUDA (см. ADR-001); Windows также требует Visual C++ Runtime x64 - Дисковое пространство для моделей: зависит от выбранного backend и модели - Выходные файлы: UTF-8 (явная кодировка при записи) @@ -177,9 +177,9 @@ local-transcriber/ | Качество распознавания русского текста | Среднее | large-v3 хорошо справляется с ru; при проблемах — попробовать `--language ru` вместо auto | | Нет разделения по спикерам | Низкое | Осознанно выведено за скоуп MVP; добавление diarization (pyannote.audio) — возможное расширение | | Первый запуск: долгая загрузка модели | Низкое | Прогресс-бар при скачивании; модели кешируются в `~/.cache/huggingface/` | -| CUDA несовместимость на Windows | Среднее | Автоматический fallback на CPU + предупреждение; в README — инструкция по CUDA | +| CUDA несовместимость на Windows | Среднее | Явная CUDA сохраняет причину ошибки; пользователь выбирает CPU или исправляет окружение по README | | Большие файлы (>2 часов) | Среднее | Учитывать память выбранного backend; чанкование рассматривается отдельно | -| OOM на GPU с 4 GB VRAM | Среднее | CUDA использует float16; при OOM — fallback на CPU с предупреждением или явный более лёгкий профиль | +| OOM на GPU с 4 GB VRAM | Среднее | CUDA использует float16; при OOM явной CUDA — ошибка с подсказкой выбрать меньшую модель или CPU | | Файл без речи (тишина, музыка, шум) | Низкое | Создаётся транскрипт с шапкой метаданных и `*Речь не обнаружена.*` в теле + предупреждение в stderr | ## 7. Вне скоупа MVP diff --git a/docs/adr/001-cuda-bootstrap.md b/docs/adr/001-cuda-bootstrap.md index f303306..eef6fdc 100644 --- a/docs/adr/001-cuda-bootstrap.md +++ b/docs/adr/001-cuda-bootstrap.md @@ -1,78 +1,129 @@ -# ADR-001: Preload libcublas из pip-пакета для GPU на Linux/WSL2 +# ADR-001: Необязательная CUDA и загрузка cuBLAS из окружения -**Статус**: Принято +**Статус**: Принято; пересмотр обязательной cuBLAS от 2026-03-18 **Дата**: 2026-03-18 +**Обновлено**: 2026-09-21, задача [#2](https://git.dementev.space/ddmitry/local-transcriber/issues/2) ## Контекст -ctranslate2 (backend faster-whisper) в runtime делает `dlopen("libcublas.so.12")`, -но не бандлит эту библиотеку в свой wheel — ожидает её в системе. -Без установленного CUDA toolkit `uv run transcribe --device cuda` падает с ошибкой. +CTranslate2 загружает cuBLAS динамически и не поставляет её в своём wheel. +Прежняя обязательная зависимость добавляла около 581 MB скачивания на Linux +x86_64, даже если пользователь работал только через ONNX CPU. +Наличие `nvidia-smi` доказывает наличие утилиты драйвера, но не совместимость GPU +с runtime. Автоматический выбор CUDA мог приводить к ошибке на старом GPU. -Ключевые факты: -- `libcuda.so.1` приходит от NVIDIA driver (всегда есть, если GPU есть) -- `libcublas.so.12` отсутствует в wheel ctranslate2 на обеих платформах -- **cuDNN не нужен** — в `libctranslate2.so` ноль символов cudnn (проверено `nm -D` и `strings`) -- На Windows ctranslate2 делает `os.add_dll_directory` в своём `__init__.py`, - но только для DLL внутри пакета; `cublas64_12.dll` тоже не бандлится +Прежнее утверждение о недоступности Windows wheel `nvidia-cublas-cu12` было +ошибочным: такой wheel есть и для закреплённой версии 12.9.1.4. Следовательно, +системный CUDA Toolkit не должен быть обязательным способом подключения Windows. ## Решение -### nvidia-cublas-cu12 как pip-зависимость +CUDA подключается через extra `cuda` на Linux/WSL x86_64 и Windows x64. +Драйвер NVIDIA остаётся внешним требованием; Windows также требует Visual C++ +Runtime x64. Установка extra не включает CUDA: пользователь выбирает её через +CLI или TOML. `auto` всегда выбирает ONNX CPU, ASR и VAD получают явный +`CPUExecutionProvider`. Команды установки и обновления — в +[README](../../README.md#подключение-cuda). -В `pyproject.toml`: -``` -"nvidia-cublas-cu12>=12.4; sys_platform == 'linux' and platform_machine == 'x86_64'" -``` +CTranslate2 4.8.1 и cuBLAS 12.9.1.4 закреплены в `pyproject.toml`, чтобы +установка через `uv tool` и из клона использовала проверенное сочетание. +В cuBLAS 12.9.2.10 появилась дополнительная зависимость NVRTC. Обновление +версий требует повторной проверки библиотек и bootstrap; одного обновления +lock-файла недостаточно. -Нижняя граница `>=12.4` — ctranslate2 собран с CUDA 12.4. Пакет доступен только -для Linux x86_64 (на Windows и macOS не устанавливается по platform marker). +### Linux: preload по полному пути -### ctypes.CDLL preload вместо LD_LIBRARY_PATH +`_cuda_bootstrap.py` загружает `libcublas.so.12` через `ctypes.CDLL` с +`RTLD_GLOBAL`. Линкер затем разрешает запрос CTranslate2 по soname. +Изменение `LD_LIBRARY_PATH` внутри процесса не решает задачу: glibc кеширует +пути поиска. Путь optional-пакета определяется через `nvidia.cublas.__path__`, +что поддерживает namespace package без `__file__`. -`_cuda_bootstrap.py` загружает `libcublas.so.12` по полному пути через -`ctypes.CDLL(path, mode=RTLD_GLOBAL)` **до** первого `import ctranslate2`. +### Windows: регистрация каталога и preload DLL -Почему не `os.environ["LD_LIBRARY_PATH"]`: на Linux/glibc динамический линкер (`ld.so`) -кеширует пути поиска при старте процесса и **не перечитывает** `LD_LIBRARY_PATH` -из environ в рамках уже запущенного процесса. +Bootstrap регистрирует `nvidia/cublas/bin` через `os.add_dll_directory`, затем +загружает по абсолютным путям сначала `cublasLt64_12.dll`, затем +`cublas64_12.dll`. Handles библиотек и регистрации каталога хранятся до +завершения процесса. Повторный вызов не загружает их заново. Это обеспечивает +доступность уже загруженных DLL для динамического загрузчика CTranslate2 и +не требует изменения системного PATH. -Почему `RTLD_GLOBAL`: без этого флага символы cublas не видны другим `.so`, -загруженным позже (в т.ч. `libctranslate2.so`). +Bootstrap вызывается только при создании CUDA-модели, до локального импорта +`WhisperModel`. Если CTranslate2 ранее импортирован для декодирования аудио, +preload всё равно выполняется до создания CUDA-модели. CPU-путь bootstrap не +вызывает. Отсутствие optional-пакета безопасно: системная cuBLAS всё ещё может +обслужить явно выбранную CUDA. Ошибка загрузки найденной Windows DLL сохраняется. -Динамический линкер кеширует загруженные библиотеки по soname — когда ctranslate2 -потом вызовет `dlopen("libcublas.so.12")`, линкер вернёт уже загруженный handle. +### Ошибки и явный выбор -### strict_device для явного --device +Явный `device` из CLI или TOML передаёт `strict_device=True` при загрузке и +транскрипции. CUDA не заменяется молча на CPU. Подсказки различают отсутствие +библиотек, проблемы драйвера, несовместимость GPU/runtime и нехватку памяти; +исходное сообщение сохраняется. Неизвестная ошибка не получает произвольный +совет установить Toolkit. Это одинаково для одного файла и батча. -`--device cuda` / `--device cpu` → `strict_device=True` → CUDA-ошибка = raise, без fallback. -`--device auto` → `strict_device=False` → текущее поведение с fallback на CPU. +Прежний механизм fallback оркестратора при `strict_device=False` сохранён +для существующих программных callers. Автоматический CLI-путь теперь ONNX, +поэтому он не попадает в CUDA fallback. -Мотивация: silent fallback для часового файла = 60 минут вместо 5. +## Проверка зависимостей Windows -## Последствия и tradeoffs +Статическая проверка 2026-09-21: скачаны wheels из PyPI, проверены SHA-256, +для DLL/PYD прочитаны PE imports через `objdump -p` и строки динамической +загрузки. Модели распознавания не скачивались. -**~400 MB на CPU-only Linux x86_64**: nvidia-cublas-cu12 ставится на все Linux x86_64, -включая машины без GPU. Bootstrap при этом preload'ит libcublas (overhead ~1 ms), -но она не используется, т.к. ctranslate2 не получит запрос на CUDA device. +- `ctranslate2-4.8.1-cp313-cp313-win_amd64.whl`, SHA-256 + `d52499f05a60a791aeadee28d609efa130142f376d1ea76b2b1c593bb01f8827`. + `ctranslate2.dll` содержит имена `cublas64_12.dll` и `nvcuda.dll`; + ссылок на cuDNN и динамическую cudart в этой DLL не обнаружено. + В wheel есть `cudnn64_9.dll`, но её наличие не означает использование + cuDNN проверенной рабочей DLL. OpenMP DLL поставляется внутри wheel; + импорты MSVCP/VCRUNTIME требуют Visual C++ Runtime. +- `nvidia_cublas_cu12-12.9.1.4-py3-none-win_amd64.whl`, SHA-256 + `1e5fee10662e6e52bd71dec533fbbd4971bb70a5f24f3bc3793e5c2e9dc640bf`. + DLL находятся в `nvidia/cublas/bin`. cuBLAS импортирует cuBLAS Lt и + KERNEL32; cuBLAS Lt импортирует KERNEL32. `nvblas64_12.dll` не требуется + проверенному пути CTranslate2. -Альтернатива — `[project.optional-dependencies]` + `uv sync --extra cuda`, -но тогда теряется zero-config UX. Для v1 оставляем как обязательную зависимость. +Основания: [CTranslate2 4.8.1 на PyPI](https://pypi.org/project/ctranslate2/4.8.1/#files), +[cuBLAS 12.9.1.4 на PyPI](https://pypi.org/project/nvidia-cublas-cu12/12.9.1.4/#files), +[загрузчик CTranslate2](https://github.com/OpenNMT/CTranslate2/blob/v4.8.1/python/ctranslate2/__init__.py), +[метаданные cuBLAS 12.9.2.10](https://pypi.org/pypi/nvidia-cublas-cu12/12.9.2.10/json). -**Windows GPU**: nvidia-cublas-cu12 недоступен как pip-пакет для Windows. -Единственный путь — системный CUDA toolkit (`choco install cuda` / `winget install -e --id Nvidia.CUDA`). -CLI выводит эту подсказку при CUDA-ошибке на `sys.platform == "win32"`. +Это обоснование состава extra для конкретных wheels, а не подтверждение +транскрипции на Windows GPU. Реальный прогон Windows x64 с драйвером и extra, +без Toolkit и ручной правки PATH, **не выполнен**. Linux-тесты с подменой +Windows API не заменяют такую проверку. -**Namespace package**: `nvidia.cublas` — namespace package (`__file__` is `None`), -для определения директории используется `__path__[0]`, а не `__file__`. +## Проверка поставки и поведения -## Отклонённые альтернативы +На Linux выполнены `uv run pytest`: 500 passed, 2 skipped. Пропуски — +Windows-only кодировка OEM и интеграционный bootstrap без optional-пакета. +До удаления cuBLAS интеграционный тест Linux bootstrap проходил. +Обычный `uv sync --locked` удаляет прежнюю обязательную cuBLAS; +`uv sync --extra cuda --locked --dry-run` возвращает её в план установки. -| Альтернатива | Почему отклонена | -|---|---| -| `nvidia-cudnn-cu12` в зависимостях | ctranslate2 не использует cuDNN — ноль символов, проверено через `nm -D` | -| Self-reexec с `LD_LIBRARY_PATH` | ctypes.CDLL решает задачу без перезапуска процесса; self-reexec создаёт проблемы с сигналами, tty, fd | -| `os.environ["LD_LIBRARY_PATH"] += ...` | glibc кеширует пути при старте, не перечитывает environ | -| `DeviceResolution` dataclass + `resolve_device()` | Один `bool strict_device` решает ту же задачу проще | -| ctranslate2 preflight (`get_supported_compute_types`) | Латентность; try/catch при загрузке модели не хуже | -| Bootstrap console_scripts entrypoint | Не нужен — достаточно вызова в начале `transcriber.py` | +Метаданные собранного wheel проверены для 12 сочетаний платформы, архитектуры +и extra. Полное разрешение зависимостей wheel через `uv pip compile` для Linux +и Windows, с extra и без, подтверждает отсутствие NVIDIA-пакетов в обычной +установке и наличие только cuBLAS 12.9.1.4 при выборе extra. + +Формы `uv tool install` для клона, клона с extra и именованной Git-зависимости +с extra проверены в отдельном временном каталоге tools. Для проверки самой +команды зависимости были исключены; их разрешение проверено отдельно выше. +Git-транспорт проверялся через локальный репозиторий и ветку реализации, +а не через ещё не опубликованную ветку на сервере. Версия uv — 0.12.17. + +## Последствия и альтернативы + +- Обычная установка не требует NVIDIA-пакетов. FasterWhisper CPU сохраняется. +- Дополнительные библиотеки скачиваются только по выбору пользователя. +- Единый extra заменяет требование установить полный Toolkit на Windows; + существующая системная установка библиотек остаётся допустимой. +- Отклонено сохранение обязательной cuBLAS ради готовности CUDA сразу после + установки: это увеличивает CPU-установку и не решает несовместимость GPU. +- Отклонено автоматическое включение CUDA по драйверу или extra: установка + библиотек не должна менять движок и модель по умолчанию. +- Перезапуск процесса с `LD_LIBRARY_PATH` не нужен; явная загрузка библиотек + решает проблему без изменения обработки сигналов и файловых дескрипторов. +- CUDA extra на Windows ARM64, Linux ARM и macOS в эту задачу не входит. diff --git a/docs/adr/003-pluggable-backends.md b/docs/adr/003-pluggable-backends.md index 7c99330..be7f72e 100644 --- a/docs/adr/003-pluggable-backends.md +++ b/docs/adr/003-pluggable-backends.md @@ -2,7 +2,7 @@ **Статус**: Принято **Дата**: 2026-03-21 -**Обновлено**: 2026-08-12 +**Обновлено**: 2026-09-21 ## Контекст @@ -32,8 +32,9 @@ Protocol вместо ABC — бэкенды не наследуются, дос ### Ленивые импорты Бэкенды импортируются только при выборе — `get_backend(device)` делает import внутри. -Импорт faster-whisper запускает CUDA bootstrap (~1ms), импорт openvino-genai загружает ~50MB -shared libraries. Ни то, ни другое не должно происходить, если бэкенд не выбран. +CUDA bootstrap вызывается только при создании CUDA-модели (см. ADR-001). +Импорт openvino-genai загружает ~50MB shared libraries и не должен происходить, +если бэкенд не выбран. ### Device как селектор бэкенда @@ -41,7 +42,7 @@ shared libraries. Ни то, ни другое не должно происхо - `cuda`, `cpu` → FasterWhisperBackend - `openvino` → OpenVINOBackend - `onnx` → OnnxAsrBackend -- `auto` → CUDA при наличии `nvidia-smi`, иначе ONNX на CPU +- `auto` → ONNX на CPU независимо от `nvidia-smi` и установки extra ### load_model() — единственный владелец pipeline @@ -54,7 +55,7 @@ CLI не вызывает ensure_model_available отдельно — это у Fallback живёт в `transcriber.py` (оркестратор), не в бэкендах: - CUDA ошибка → CPU (FasterWhisper) - OpenVINO ошибка → CPU (FasterWhisper) -- `strict_device=True` (явный `--device`) → ошибка без fallback +- `strict_device=True` (явный device из CLI или TOML) → ошибка без fallback При fallback в батч-режиме обновляются model, backend, model_path и actual_device через TranscribeFileResult — следующий файл использует правильный бэкенд. @@ -76,8 +77,8 @@ OpenVINO модели предквантизированы (int8/fp16), compute_ ### Зависимости бэкендов по умолчанию faster-whisper, onnx-asr/onnxruntime и openvino-genai ставятся вместе. Модели -скачиваются только для активного бэкенда. CUDA (`nvidia-cublas-cu12`) остаётся -conditional для Linux x86_64. OpenVINO — conditional для x86_64/AMD64, кроме +скачиваются только для активного бэкенда. cuBLAS подключается через extra `cuda` +для Linux/WSL x86_64 и Windows x64 (см. ADR-001). OpenVINO — conditional для x86_64/AMD64, кроме macOS; ONNX обеспечивает автоматический CPU-путь на остальных платформах. ## Последствия diff --git a/docs/adr/006-onnx-asr-backend.md b/docs/adr/006-onnx-asr-backend.md index 33a3cbf..6d9d5b9 100644 --- a/docs/adr/006-onnx-asr-backend.md +++ b/docs/adr/006-onnx-asr-backend.md @@ -102,10 +102,12 @@ Mm-hmm-редукция и иностранные вставки **не обна ## Решение **Принять onnx-asr как CPU-бэкенд автоматического профиля. -GigaAM v3 E2E RNN-T — модель по умолчанию на машинах без CUDA.** +GigaAM v3 E2E RNN-T — модель автоматического профиля на всех машинах.** -Порядок `--device auto`: CUDA при наличии `nvidia-smi`, иначе ONNX. OpenVINO и -FasterWhisper CPU остаются доступными через явный CLI-аргумент или конфиг. +С 2026-09-21 `--device auto` всегда выбирает ONNX CPU; для ASR и VAD явно +передаётся `CPUExecutionProvider`, независимо от доступных providers. CUDA, +OpenVINO и FasterWhisper CPU доступны через явный CLI-аргумент или конфиг. +Подключение CUDA описано в [ADR-001](001-cuda-bootstrap.md). GigaAM понимает только русскую речь, поэтому для остальных языков автоматический профиль не годится — нужен явный Whisper. Несовместимый язык работу не diff --git a/docs/gpu.md b/docs/gpu.md index 8b7f898..9ad3110 100644 --- a/docs/gpu.md +++ b/docs/gpu.md @@ -2,7 +2,7 @@ ## Режимы `--device` -- `auto` (по умолчанию) — CUDA при наличии `nvidia-smi`, иначе ONNX на CPU +- `auto` (по умолчанию) — всегда ONNX на CPU - `cuda` — строго NVIDIA GPU, ошибка если недоступен - `openvino` — авто-выбор OpenVINO GPU или CPU - `openvino-gpu` — строго Intel GPU через OpenVINO @@ -13,8 +13,8 @@ | Оборудование | Рекомендуемый `--device` | Бэкенд | Ожидаемая скорость | |---|---|---|---| -| NVIDIA GPU (6+ GB VRAM) | `auto` / `cuda` | faster-whisper (CTranslate2) | 7-19x реалтайм | -| Любой CPU без NVIDIA | `auto` / `onnx` | ONNX GigaAM RNN-T | 10-14x реалтайм* | +| NVIDIA GPU (6+ GB VRAM) | `cuda` + extra | faster-whisper (CTranslate2) | 7-19x реалтайм | +| Любой CPU | `auto` / `onnx` | ONNX GigaAM RNN-T | 10-14x реалтайм* | | Intel Arc iGPU / dGPU | `openvino-gpu` | OpenVINO GenAI (GPU) | TBD | | Intel/AMD x86 CPU | `openvino-cpu` | OpenVINO GenAI (CPU) | 3-10x реалтайм* | | Любой CPU, FasterWhisper | `cpu` | faster-whisper (CTranslate2) | ~1.5x реалтайм | @@ -22,7 +22,7 @@ \* По результатам контрольных прогонов на Intel и AMD CPU. Реальная скорость зависит от CPU, модели и записи. -Автоматический профиль без NVIDIA рассчитан на русскую речь: GigaAM других +Автоматический профиль рассчитан на русскую речь: GigaAM других языков не понимает. Для них берите Whisper — `openvino-cpu` на x86 или `cpu` на любой платформе. @@ -211,22 +211,16 @@ SMT/Hyper-Threading не помогает — 16 потоков на 8-ядер ## Настройка по платформам -### Linux / WSL2 (x86_64) +Для Linux/WSL x86_64 и Windows x64 используется один extra `cuda` и явный +выбор `--device cuda` либо `device = "cuda"` в TOML. Команды установки из Git, +клона и для разработки приведены в [README](../README.md#подключение-cuda). +Обычный запуск всегда использует ONNX CPU, независимо от драйвера и extra. -Библиотека cuBLAS ставится автоматически (зависимость `nvidia-cublas-cu12` подтягивается при установке). -Дополнительных шагов не требуется. - -> На ARM (aarch64) cuBLAS через pip недоступен — нужен системный CUDA toolkit. - -### Windows - -Нужен системный **CUDA 12** (ctranslate2 4.7 не совместим с CUDA 11 и 13): - -```bash -winget install -e --id Nvidia.CUDA --version 12.9 # требует запуска от имени администратора -``` - -После установки перезапустите терминал. +Драйвер NVIDIA устанавливается отдельно. Полный системный CUDA Toolkit не +нужен для пути через extra; на Windows требуется Visual C++ Runtime x64. +Состав Windows DLL проверен статически; реальная транскрипция без Toolkit +пока не проверена. Версии и границы проверки — [ADR-001](adr/001-cuda-bootstrap.md). +CUDA extra для ARM в этой задаче не поддерживается. ## Совместимость GPU @@ -331,14 +325,19 @@ threshold не помогла — проблема inherent для модели Убедитесь, что `nvidia-smi` возвращает информацию о GPU. Драйвер NVIDIA предоставляет `libcuda.so.1`, без которого CUDA не работает — его нельзя поставить через pip. -### Windows: ошибка при загрузке модели на GPU +### Отсутствующие библиотеки и несовместимый GPU -GPU на Windows требует **CUDA 12** (ctranslate2 4.7 не совместим с CUDA 11 и 13). Установите: -```bash -winget install -e --id Nvidia.CUDA --version 12.9 # требует запуска от имени администратора -``` -После установки перезапустите терминал. +При отсутствии cuBLAS подключите extra в том окружении, откуда запускается +программа, по [инструкции README](../README.md#подключение-cuda). +На Windows ошибка загрузки DLL может также означать отсутствие Visual C++ Runtime. + +`no kernel image` / `invalid device function` означают несовместимость GPU +с выбранной сборкой runtime. Установка extra её не исправит. Ошибки драйвера +требуют проверки драйвера; нехватка VRAM — меньшей модели или явного выбора CPU. +Исходная ошибка сохраняется. CLI/TOML с явной CUDA не переходят молча на CPU +ни при загрузке, ни при распознавании. ### ARM (aarch64) -cuBLAS через pip недоступен на ARM — нужен системный CUDA toolkit. +CUDA extra не поддерживается проектом на этой архитектуре. Наличие отдельных +NVIDIA wheels для ARM само по себе не подтверждает рабочий путь транскрипции. diff --git a/docs/specs/2026-09-21-transcription-execution.md b/docs/specs/2026-09-21-transcription-execution.md index 2779daa..cbf26af 100644 --- a/docs/specs/2026-09-21-transcription-execution.md +++ b/docs/specs/2026-09-21-transcription-execution.md @@ -1,6 +1,8 @@ # Владение выполнением транскрипции -**Статус:** согласовано для постановки задач. Реализация не начата. +**Статус:** согласовано. Правила выбора исполнения и optional CUDA реализованы +в #2; рефакторинг владения выполнением не начат. Windows GPU-прогон без Toolkit +остаётся невыполненным (см. ADR-001). ## Зачем @@ -14,11 +16,11 @@ отдельно. Это увеличивает interface: caller должен знать порядок вызовов и поддерживать согласованность значений. -`device` одновременно обозначает движок и аппаратное исполнение. Значение -`onnx` выбирает adapter, но не закрепляет CPU: установленный `onnx-asr 0.12.0` -по умолчанию использует доступные execution providers. При этом CLI безусловно -пишет `ONNX (CPU)`. Параметр `cpu_threads` принимается ONNX adapter, но не -используется при загрузке ASR и VAD. +`device` одновременно обозначает движок и аппаратное исполнение. До #2 значение +`onnx` выбирало adapter, но не закрепляло CPU: `onnx-asr` по умолчанию использует +доступные execution providers, хотя CLI писал `ONNX (CPU)`. В #2 для ASR и VAD +закреплён CPU provider. Параметр `cpu_threads` всё ещё принимается ONNX adapter, +но не используется при загрузке ASR и VAD. ## Согласованные ограничения @@ -72,7 +74,9 @@ model/backend/path/device. Locality — изменения загрузки и ## Выбор исполнения и ошибки Ручное включение CUDA состоит из двух явных действий: установки зависимостей -и выбора CUDA через CLI либо TOML. CUDA не участвует +и выбора CUDA через CLI либо TOML. Extra `cuda` поддерживает Linux/WSL x86_64 +и Windows x64 без обязательного системного Toolkit; совместимый драйвер +устанавливается отдельно. CUDA не участвует в `auto`, даже если найден `nvidia-smi` или установлены её библиотеки. Так установка драйвера не меняет движок и модель по умолчанию. @@ -121,7 +125,8 @@ Mock-тесты не подтверждают ускорение или совм ## Документация и прежние решения README должен различать обычную установку и подключение CUDA: дополнительные -зависимости Linux/WSL, требования Windows, явный запуск, настройку TOML +зависимости через один extra на Linux/WSL x86_64 и Windows x64, внешние +требования драйвера и Visual C++ Runtime, явный запуск, настройку TOML и диагностику отсутствующих библиотек или несовместимого железа. Команды установки из клона и через `uv tool` проверяются при реализации. CUDA extra оформляется отдельным изменением, чтобы поставку можно было проверить