Files

T

ddadminandClaude Opus 4.6 87f7dc1723 docs(readme): редизайн README и удаление зависимости от ffmpeg

- Зачем:
  - README перегружен деталями GPU/бенчмарков, нет Quick Start, macOS/Windows — второй класс.
  - системный ffmpeg не нужен — PyAV (зависимость faster-whisper) включает FFmpeg в wheels.
- Что:
  - переписан README: Quick Start в первых строках, установка без клонирования через uv tool install, паритет платформ, progressive disclosure через <details>.
  - удалена функция check_ffmpeg() из utils.py, убраны импорт и вызовы из cli.py.
  - убраны моки check_ffmpeg и тест ffmpeg-ошибки из test_cli.py.
  - GPU-контент вынесен в docs/gpu.md, добавлен CONTRIBUTING.md.
- Проверка:
  - uv run pytest — 97 passed, 1 skipped.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

2026-03-18 23:07:39 +03:00

4.1 KiB

Raw Blame History

GPU и CUDA

Режимы `--device`

auto (по умолчанию) — выберет GPU если nvidia-smi доступен, иначе CPU
cuda — строго GPU, ошибка если недоступен (без silent fallback)
cpu — строго CPU

Настройка по платформам

Linux / WSL2 (x86_64)

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 toolkit:

choco install cuda
# или
winget install -e --id Nvidia.CUDA   # требует запуска от имени администратора

После установки перезапустите терминал.

Совместимость GPU

GPU	VRAM	medium float16	large-v3 float16	Рекомендация
RTX 3060	6 GB	✅	✅	medium float16 (дефолт)
RTX 4050	6 GB	✅	✅	medium float16
Quadro M3000M	4 GB	✅	⚠️ tight	medium float16 или int8

Ожидаемая скорость

Замеры на RTX 3060 Laptop (6 GB) и Intel CPU (WSL2):

Конфигурация	16 мин файл	42 мин файл	Отн. скорость
GPU + medium float16	~35с	~133с	~19x реалтайм
GPU + large-v3 float16	~90с	~350с	~7x реалтайм
CPU + medium float32	613с (10 мин)	~26 мин*	~1.5x реалтайм
CPU + large-v3 int8	839с (14 мин)	~37 мин*	~1:1 реалтайм

*Оценка на основе пропорции.

Результаты тестирования качества

Тесты проведены на реальных записях рабочих созвонов (русский язык, технические термины: SQL, PostgreSQL, Greenplum, Airflow, ClickHouse, Docker, CDR, GTP, MAP).

Конфигурация	Качество (длинная запись, 42 мин)	Проблемы
large-v3 int8 GPU	Плохо	Галлюцинации (фразы ×25), потеря контента
large-v3 float16 GPU	Отлично	—
medium float16 GPU	Хорошо	Редкие мелкие ляпы в терминах
medium float32 CPU	Хорошо	Сопоставимо с large-v3 int8, без галлюцинаций
large-v3 int8 CPU	Хорошо	Без галлюцинаций (на коротких файлах)

Ключевые выводы

Указание языка (--language ru) критично — auto-detect может ошибиться и выдать мусор
float16/float32 стабильнее int8 — особенно на записях >20 минут
medium + float16 на GPU — лучший баланс скорости и качества для повседневного использования
large-v3 + float16 на GPU — для максимального качества важных записей

Troubleshooting

CUDA не обнаружен

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

GPU на Windows требует CUDA toolkit (включает cuBLAS). Установите:

choco install cuda
# или
winget install -e --id Nvidia.CUDA