Jak analiza i automatyzacja oparte na AI zmieniają wymagania Jellyfin dotyczące pamięci masowej i mocy obliczeniowej

Sam Jellyfin nie staje się uniwersalną platformą generatywnej AI, ale nowoczesne procesy obsługi serwera multimediów coraz częściej obejmują dodatkową, zautomatyzowaną analizę biblioteki: obrazy rozdziałów, klatki kluczowe, segmenty multimediów, obsługę napisów, wykrywanie wstępów, OCR, transkrypcję, tagowanie oraz inne procesy realizowane przez wtyczki lub narzędzia towarzyszące.

Te funkcje wpływają na wymagania dotyczące zasobów, ponieważ przekształcają serwer odtwarzania, który głównie odczytuje dane, w system skanujący pliki, dekodujący multimedia, obliczający dane pochodne, zapisujący metadane i przechowujący wygenerowane materiały. Właściwy dobór sprzętu i pamięci masowej zależy od włączonych funkcji analizy i harmonogramu ich działania.

Oddziel automatyzację wbudowaną w Jellyfin od dodatkowych zadań AI

Jellyfin ma już wbudowany harmonogram skanowania bibliotek, czyszczenia pamięci podręcznej, obsługi napisów, optymalizacji bazy danych, wyodrębniania obrazów rozdziałów i innych zadań w tle. Wtyczki mogą dodawać kolejne zadania i dostawców metadanych.

Aktualny przewodnik optymalizacji zadań Jellyfin klasyfikuje skanowanie biblioteki, generowanie materiałów, konserwację i czyszczenie jako zadania w tle, które należy planować z uwzględnieniem strumieniowania interaktywnego. Zadania te mogą obciążać procesor CPU i pamięć masową, nawet gdy nikt niczego nie ogląda.

Analizę z użyciem narzędzi innych firm należy traktować osobno. Wtyczka lub narzędzie towarzyszące, które tworzy odciski cyfrowe dźwięku, transkrybuje mowę, rozpoznaje obiekty lub korzysta z modelu językowego, może zużywać zupełnie inne zasoby niż podstawowe odtwarzanie.

Pochodne metadane zwiększają ilość trwale przechowywanych danych

Automatyzacja często generuje dane, których nie było w bibliotece źródłowej: miniatury, obrazy rozdziałów, klatki do funkcji Trickplay, napisy, znaczniki segmentów, odciski cyfrowe, indeksy lub wyniki modeli. Część z nich można odtworzyć; ochrona pozostałych może być na tyle ważna, że warto ją zapewnić.

Obecny framework segmentów multimediów w Jellyfin obsługuje segmenty generowane przez dostawców, takie jak wstępy, zakończenia, zapowiedzi, skróty i reklamy, tworzone podczas skanowania w tle. Te metadane zajmują niewiele miejsca w porównaniu z plikami wideo, ale skanowanie, które je tworzy, nadal odczytuje i analizuje bibliotekę multimediów.

Dysk SSD na dane aplikacji powinien być wystarczająco duży, by pomieścić rozrost bazy danych, wygenerowane metadane i tymczasowe pliki robocze. Nie zakładaj, że zajętość pamięci pozostanie niezmienna tylko dlatego, że oryginalna biblioteka multimediów się nie zmieniła.

Analiza multimediów może przenieść obciążenie z CPU na GPU lub dodać nowy akcelerator

Dekodowanie i kodowanie wideo może korzystać ze specjalizowanych silników multimedialnych, jeśli są obsługiwane. Inne analizy w stylu AI mogą zależnie od narzędzia wykorzystywać ogólny procesor CPU, CUDA, OpenVINO, ROCm, NPU lub osobną usługę.

Analiza wykonywana przez oprogramowanie innych firm pokazuje też, dlaczego kwestia akceleracji zależy od konkretnej funkcji. Intro Skipper wykorzystuje analizę odcisków palców audio do identyfikowania powtarzających się czołówek i zakończeń; to obciążenie zasadniczo różni się od zwykłego transkodowania wideo lub modelu wizyjnego. Zakup uniwersalnego GPU nie będzie więc automatycznie przydatny w przypadku każdej funkcji automatyzacji.

Zanim kupisz GPU do „Jellyfin AI”, ustal, jakiego oprogramowania i interfejsu akceleracji używasz. Wtyczka obliczająca odciski palców audio może wymagać procesora CPU, podczas gdy usługa analizy obrazu lub transkrypcji może skorzystać z akceleratora obliczeniowego ogólnego przeznaczenia.

Featured

Osobista chmura i domowy NAS ZimaCube 2

ZimaCube2

$799.00 - $2,499.00

Buy Now

Analiza zmienia wzorzec operacji wejścia-wyjścia pamięci masowej

Odtwarzanie zwykle polega na sekwencyjnym odczycie kilku dużych plików. Automatyczna analiza może przeszukiwać całą bibliotekę, przeskakiwać między wieloma plikami, tworzyć tysiące niewielkich plików wynikowych i aktualizować bazę danych. Może to wybudzać uśpione dyski HDD i konkurować z interaktywnym dostępem do metadanych.

Artykuł ZimaSpace o automatyzacji zadań w tle w Jellyfin wyjaśnia, dlaczego to obciążenie należy traktować jako osobne okno pracy, a nie niewidoczną aktywność bezczynnego systemu.

Umieść dane aplikacji wrażliwe na opóźnienia na dysku SSD, przechowuj duże zbiory multimediów na warstwie pojemnościowej i wybierz lokalizację tymczasową, która pomieści zapisy analizy, nie zapełniając dysku aplikacji.

Planuj zadania związane z danymi pochodnymi poza godzinami odtwarzania

Większość analiz można odłożyć. Użytkownik od razu zauważy zacinający się strumień; nikt nie zauważy, jeśli wykrywanie czołówek zakończy się o 3:00 zamiast o 20:00.

Najpierw uruchom nowe funkcje analizy na reprezentatywnej części biblioteki. Zmierz wykorzystanie CPU/GPU, odczyty i zapisy pamięci masowej, rozmiar wygenerowanych danych, czas trwania zadań, temperaturę oraz wpływ na jednoczesne odtwarzanie. Następnie zdecyduj, czy ograniczyć tempo zadania, zaplanować je na określoną porę, czy przenieść na osobny węzeł roboczy.

Oddziel dane możliwe do odtworzenia od danych wiarygodnych

• Źródłowe pliki multimedialne: wiarygodna zawartość; chroń je w zależności od kosztu zastąpienia.
• Baza danych/konfiguracja Jellyfin: wiarygodny stan aplikacji; twórz kopie zapasowe często.
• Wygenerowane obrazy i pamięć podręczna: często można je odtworzyć, ale ponowne generowanie może być kosztowne.
• Dane o segmentach lub odciskach palców: zwykle są pochodne; zdecyduj, czy czas ich ponownego wygenerowania uzasadnia tworzenie kopii zapasowej.
• Zewnętrzne wyniki AI: uznawaj za wiarygodne tylko wtedy, gdy zawierają ręczne edycje lub kosztowną, unikalną analizę.

Analizę i automatyzację oparte na AI należy więc traktować jako obciążenie obliczeniowe działające w tle oraz miejsce na dane pochodne, a nie jako niejasne zapotrzebowanie na „więcej mocy GPU”. Wskaż funkcję, zmierz, co odczytuje i zapisuje, oraz chroń odtwarzanie, kontrolując, kiedy wykonywane są te zadania.