SUBGENAI

Lokalny generator napisow SRT (transkrypcja + tlumaczenie) w jednym kontenerze GPU.

⚡ GPU-first 🎬 video/audio 💻 lokalnie 📄 SRT

Opis

SUBGENAI to aplikacja web do lokalnej transkrypcji wideo/audio i generowania napisow SRT w kontenerze GPU, z tlumaczeniem offline w tym samym UI. Wejscie pochodzi z /work/in (SMB share) albo z uploadu do kontenera. Wyniki SRT trafiaja do tego samego folderu co plik zrodlowy.

Najwazniejsze biblioteki

• faster-whisper (ASR)
• transformers + torch (tlumaczenie NLLB)
• FastAPI (API)
• Uvicorn (serwer ASGI)
• python-multipart (upload plikow)
• ffmpeg/ffprobe (czas trwania i obsluga mediow)

Funkcje

• Dwa niezalezne procesy: Start transkrypcji i Start tlumaczenia.
• Wybierasz jezyk audio/wideo (Auto albo z listy) i model transkrypcji.
• Przycisk "Transkrybuj wszystko" iteruje po filmach w folderze i pomija te z gotowym SRT.
• Przy batchu widzisz licznik "Ukonczono X/Y" obok paska transkrypcji.
• Lista tlumaczen obejmuje wiele jezykow (Polski na gorze, reszta alfabetycznie).
• Nawigacja po folderach SMB, bez ladowania wszystkich plikow naraz.
• Dwa paski postepu, tabela statusow i przycisk Stop.
• Theme switcher (5 wariantow kolorystycznych).

Struktura katalogow i zapis wynikow

• /work/in -> SMB share z mediami (czytanie + zapis SRT obok plikow).
• /work/uploads -> pliki wyslane przez UI.
• /work/out -> wolumen pomocniczy (obecnie nieuzywany).
• /hf -> cache modeli.
• Nazwy SRT: nazwa..srt (np. .jp.srt, .pl.srt).

Konfiguracja (.env)

Przyklad:

SMB_SHARE=//NAS/Media
SMB_USER=twoj_user
SMB_PASS="TwojeHaslo!@#$"
SMB_OPTS=rw,vers=3.0,dir_mode=0775,file_mode=0664

TORCH_INDEX_URL=https://download.pytorch.org/whl/cu128
# TORCH_VERSION=2.5.1
# CUDA_BASE=nvidia/cuda:12.3.2-cudnn9-runtime-ubuntu22.04

Uwaga: podmien SMB_* na swoje dane. Jesli haslo ma znaki specjalne, zostaw je w cudzyslowie.

Domyslna karta graficzna

Docker udostepnia wszystkie GPU (gpus: all), a PyTorch uzywa domyslnie pierwszej karty widzianej przez CUDA (cuda:0).

Usecase 1: standardowe uruchomienie i korzystanie 🌷

1. Ustaw SMB_* w .env (share + login + haslo).
2. docker compose up -d --build
3. Otworz http://localhost:8000
4. Wybierz folder i plik w /work/in, ustaw model i jezyk audio, kliknij Start transkrypcji.
5. Wybierz plik SRT z listy i uruchom Start tlumaczenia.
6. Alternatywnie: uzyj "Transkrybuj wszystko", aby przetworzyc caly folder.

Usecase 2: nieodpowiednia karta graficzna (CUDA) 💡

Jesli widzisz ostrzezenia o nieobslugiwanej architekturze GPU albo fallback na CPU:

• Zmien TORCH_INDEX_URL w .env
• (Opcjonalnie) ustaw TORCH_VERSION i/lub CUDA_BASE
• Przebuduj obraz

Tabela (RTX 40xx i 50xx):

Model	Arch	Zalecany TORCH_INDEX_URL	Dodatkowe uwagi
RTX 4060	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	Zostaw CUDA_BASE domyslne, chyba ze masz bledy builda
RTX 4060 Ti	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4070	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4070 Super	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4070 Ti	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4070 Ti Super	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4080	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4080 Super	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 4090	sm_89	https://download.pytorch.org/whl/cu121 (lub cu124/cu128)	jw.
RTX 5060	sm_120	https://download.pytorch.org/whl/cu128 (lub cu130)	Jesli nadal jest fallback, ustaw nowsze CUDA_BASE (np. 12.8.x/13.x)
RTX 5060 Ti	sm_120	https://download.pytorch.org/whl/cu128 (lub cu130)	jw.
RTX 5070	sm_120	https://download.pytorch.org/whl/cu128 (lub cu130)	jw.
RTX 5070 Ti	sm_120	https://download.pytorch.org/whl/cu128 (lub cu130)	jw.
RTX 5080	sm_120	https://download.pytorch.org/whl/cu128 (lub cu130)	jw.
RTX 5090	sm_120	https://download.pytorch.org/whl/cu128 (lub cu130)	jw.

Po zmianach:

1. docker compose down
2. docker compose build --no-cache
3. docker compose up -d

API (skrot)

• GET /api/files -> lista mediow z /work/in (z parametrem dir)
• GET /api/srt-files -> lista SRT z /work/in (z parametrem dir)
• GET /api/languages -> jezyki transkrypcji i tlumaczen
• POST /api/jobs -> start transkrypcji
• POST /api/translations -> start tlumaczenia
• POST /api/jobs/{id}/stop -> zatrzymanie joba
• GET /api/jobs/{id}/events -> SSE ze statusem
• GET /api/jobs/{id}/srt -> pobierz SRT oryginalny
• GET /api/jobs/{id}/srt-translated -> pobierz SRT tlumaczenie

✨ 💛 🐱 🌸