HDR 변환과 자막 번인이 같은 재생 세션에서 발생하면 Jellyfin은 iGPU 용량을 훨씬 더 많이 사용할 수 있습니다.
GPU는 하나의 일반적인 “트랜스코딩”만 수행하는 것이 아닙니다. 소스를 디코딩하고, HDR을 SDR로 톤 매핑하고, 자막을 합성하고, 프레임 크기를 조정하고, 결과를 인코딩하는 작업을 수행할 수 있으며, 지원되지 않는 단계의 작업은 CPU로 다시 넘어갈 수 있습니다. 따라서 용량 테스트에서는 이와 정확히 같은 처리 경로를 재현해야 합니다. 추가된 단계로 인한 iGPU 사용량 차이를 확인할 수 있도록 클라이언트, 자막 트랙, HDR 대상, 출력 품질을 고정하세요.
HDR 톤 매핑은 별도의 처리 단계를 추가합니다
클라이언트에서 HDR을 그대로 유지할 수 없는 HDR 파일은 서버가 사용 가능한 SDR 스트림을 제공하기 전에 톤 매핑이 필요할 수 있습니다. 기본 코덱 디코딩과 인코딩이 이미 하드웨어 가속을 사용하더라도 이 변환에는 추가 작업이 필요합니다.
일반적인 4K 변환을 처리할 수 있는 시스템도 트랜스코딩 파이프라인에 톤 매핑 부하가 추가되면 여유 용량이 줄어들 수 있습니다.
HDR 변환이 필요한 경우와 필요하지 않은 경우에 동일한 소스를 비교한 다음, 전체 CPU 사용률만이 아니라 GPU 엔진 사용률을 기록하세요.
자막 번인은 가벼운 경로를 전체 비디오 처리로 바꿀 수 있습니다
클라이언트에서 렌더링할 수 있는 텍스트 자막은 서버에 부담이 적지만, 이미지 자막이나 지원되지 않는 텍스트 스타일은 Jellyfin이 모든 프레임에 자막을 그려 넣도록 만들 수 있습니다. 이로 인해 작업량이 리먹스 또는 Direct Play에서 비디오 처리로 바뀝니다.
클라이언트가 이미지 기반 자막을 직접 렌더링할 수 없을 때 PGS와 같은 이미지 기반 형식은 자막 번인과 전체 트랜스코딩을 유발하는 경우가 많습니다.
자막을 끈 상태, 단순한 SRT 트랙을 사용한 상태, 실제 자막 트랙을 사용한 상태로 파일을 반복 재생하세요. 마지막 경우에만 iGPU 사용량이 급증한다면 자막 합성이 용량 한계에 포함된다는 의미입니다.
클라이언트 성능이 서버에서 실행해야 할 단계를 결정합니다
동일한 미디어라도 각 클라이언트가 지원하는 코덱, 컨테이너, HDR 형식, 자막 모드가 다르기 때문에 TV, 브라우저, 휴대폰에서 서버 리소스 사용량이 달라질 수 있습니다. 서버 용량은 클라이언트 성능과 분리해서 볼 수 없습니다.
클라이언트가 불완전한 성능 프로필을 제공하면, 기기에 하드웨어 디코더가 노출되어 있더라도 Jellyfin이 서버에서 더 무거운 처리 경로를 선택할 수 있습니다.
정상적으로 Direct Play를 수행하는 클라이언트를 기준으로 삼은 다음, 무거운 처리 경로를 만드는 클라이언트를 테스트하세요. 안정적인 하드웨어 가속 기준선을 마련하면 추가 HDR 또는 자막 단계를 더 쉽게 분리할 수 있습니다.
실제 환경에서 가장 까다로운 조합을 기준으로 iGPU 여유 용량을 산정하세요
합성 미디어 엔진 벤치마크는 가정에서 중요한 정확한 중첩 작업, 즉 HDR 톤 매핑, 자막 번인, 크기 조정, 두 번째 스트림을 놓칠 수 있습니다. 용량 목표는 제조업체의 처리량 주장이 아니라 반복해서 재현할 수 있는 가정 내 가장 바쁜 사용 조합이어야 합니다.
사용률 및 포화도 방법론은 높은 수준이지만 정상적인 GPU 사용량과 서비스 여유가 남아 있지 않은 대기열을 구분하는 실용적인 방법을 제공합니다.
예상되는 가장 까다로운 세션을 단독으로 실행한 다음, 일반적인 동시 스트림 수를 한 번에 하나씩 추가하세요. 측정된 지연 시간이나 프레임 드롭 임계값이 필요하다고 판단하는 경우에만 여유 용량을 확보하세요.
기술 및 AI 허브
더 읽어보기

임베딩 드리프트란 무엇이며, 프라이빗 검색 인덱스를 언제 다시 구축해야 할까요?
모델, 전처리, 코퍼스 및 쿼리 드리프트를 해석하고, 모니터링과 비호환성을 구분하며, 프라이빗 인덱스를 언제 재구축해야 하는지 판단하세요.

토크나이저 호환성이란 무엇이며, 모델 전환을 중단시킬 수 있는 이유는 무엇인가요?
로컬 모델 전환을 위한 어휘 식별자, 특수 토큰 의미, 채팅 템플릿, 캐시된 토큰, 어댑터 및 호환성 검사를 해독합니다.

모델 상주성이란 무엇이며, 로컬 AI 서비스는 언제 가중치를 로드된 상태로 유지해야 할까요?
가중치 상주, 캐시 수준, 콜드 스타트, 축출, 멀티플렉싱, 메모리 압박, 그리고 홈 AI 서비스를 웜 상태로 유지해야 하는 시점을 설명합니다.

