系统要求
| 组件 | 最低要求 | 备注 |
|---|---|---|
| 显存 | 8GB 或更高 | 4GB NVIDIA GPU 也能运行但速度较慢 |
| 内存 | 16GB 或更高 | |
| 磁盘空间 | 50GB 以上 |
性能测试
配置和环境：e3-1275v5 + 2080ti + 32GB DDR4，Ubuntu 22.04
运行时显存占用如下（ollama 运行 qwen-7b:q4_k_m）
5分钟有声书，共902字，所有功能拉满，总耗时 42.56s，但一般只需要生成字幕+标题生成，只需要 9s 即可执行完毕
| 处理项目 | 耗时 |
|---|---|
| 背景音移除 | 13.01s |
| 生成字幕 | 8.83s |
| 文本矫正 | 11.26s |
| 多语言翻译 | 11.03s |
| 标题生成 | 0.23s |
使用“处理服务器本地音频”页面功能更适合文件批量处理，只需要放到
/mnt/data/xxx/目录下然后给定配置即可，直接在服务器本地处理可以省去很多文件上传下载、打包的资源消耗，还可以变相实现离线处理，等待生成完毕即可