GPU转录

TODO（截图替换）：GPU 引擎选择页（App 2.0） 建议包含：CUDA/Vulkan/CoreML 选项、当前硬件检测结果、切换后的提示信息。 建议文件名：gpu-engine-settings-v2.png

功能边界

GPU 设置用于加速 Whisper 类模型推理。当前桌面端主要引擎：

1. CUDA（Windows，NVIDIA）
2. Vulkan（Windows，多厂商）
3. CoreML（macOS，Apple 设备）

适用场景

• 长音频批量转录
• 大模型（Medium/Large）推理
• 需要降低处理时长与等待成本的任务

操作步骤

1. 进入 设置 > 转录，找到 GPU 引擎项。
2. Windows 设备按显卡厂商选择 CUDA 或 Vulkan。
3. macOS 设备默认优先 CoreML。
4. 运行同一素材做 CPU vs GPU 对比，确认稳定性后再作为默认配置。
5. 如遇报错，先回退 CPU 验证流程，再排查驱动与运行库。

对比测试建议（避免误判）

1. 同一素材、同一模型、同一语言做 CPU/GPU 对比。
2. 同时记录“耗时 + 失败率”，不要只看单次速度峰值。
3. 分别测试短音频和长音频，收益通常并不一致。

名词解释（首次配置常见）

• 运行库：GPU 引擎依赖的底层组件，缺失时常导致启动失败。
• 显存（VRAM）：GPU 可用内存，显存不足时容易触发降速或 OOM。
• 回退路径：GPU 异常时切回 CPU 的保底方案，建议始终可用。

真实场景：每周批量会议转录提效

1. 先在 CPU 跑 1 条基线，记录耗时与稳定性。
2. 切到 GPU 引擎再跑同样素材，比较总耗时和失败率。
3. 仅当“速度收益稳定 + 失败率可控”时，再推广给团队默认设置。

这样可以避免“看起来更快，但实际失败重跑更多”的假提效。

常见误区

• 误区 1：开启 GPU 后立即全量任务并发。
  纠正：先小规模验证稳定性，再逐步放大并发。
• 误区 2：只根据显卡型号判断可用性。
  纠正：驱动版本、运行库和系统更新同样关键。
• 误区 3：GPU 报错后直接放弃。
  纠正：先回退 CPU 保证可用，再分步排查引擎和环境。

常见问题

Q: CUDA 和 Vulkan 怎么选？
A: NVIDIA 显卡优先 CUDA；非 NVIDIA 或兼容性问题时使用 Vulkan。

Q: macOS 下为什么没有 CUDA？
A: CUDA 仅适用于 NVIDIA 生态，macOS 主要使用 CoreML/Metal 路线。

Q: 开启 GPU 一定更快吗？
A: 大模型通常收益明显，小模型或短音频收益可能有限。

限制说明

• 引擎可用性受操作系统、驱动、显卡型号和账号能力影响。
• 首次切换 CUDA 可能需要下载相关运行库。
• 低显存设备运行大模型可能出现 OOM 或频繁降速，建议降档模型。
• 版本：Free 与 Pro 均可使用基础 GPU 能力，高级引擎或并发配额以应用内套餐标记为准。