分布式 AI 视频处理利器，助力视频处理效率飞跃提升

项目简介

FinalRip：分布式 AI 视频处理利器，助力视频处理效率飞跃提升！

• 🎥 基于 FFmpeg 与 VapourSynth，支持多片段并行剪辑与合并。
• 🖥️ 支持 Docker 和 Docker-compose 快速部署，一键启动管理面板和监控。
• ⚙️ 支持 Nvidia GPU 和 AMD GPU（含 ROCm）加速，适配多平台环境包含 WSL2。
• 🌐 分布式架构，支持多主机多编码工作节点并行处理，极大提升编码速度。
• 🔧 配置灵活，可通过环境变量、本地或远程 Consul 配置中心管理。
• 🧩 开发者友好，提供 vs-playground 环境，方便自定义脚本开发调试。
• 📈 内置异步任务队列 Asynq，确保任务调度高效稳定。

系统架构

我们将原始视频切割成多个片段，然后按队列顺序并行处理每个片段。所有片段处理完成后，再合并成最终视频。

准备工作

• docker 和 docker-compose
• 支持 Nvidia GPU / AMD GPU（需 ROCm 支持）（WSL2 上的 7000 系列）
• GPU 容器运行时（可选）
• make（可选）

快速部署

编辑 Line 19 为你的局域网 IP 地址

ounter(linedocker-compose -f deploy/docker-compose/lite/docker-compose.yml up -d

这将在单台主机上运行所有容器，然后在浏览器中打开 http://localhost:8989 访问控制面板，打开 http://localhost:8080 访问 Asynq 监控界面。

开始使用

我们使用 此容器 作为基础镜像，其中包含 FFmpeg、VapourSynth、PyTorch 等工具。

因此，在控制面板中，我们可以选择兼容的脚本来处理视频！

分布式部署

以分布式方式部署系统，可以参考 docker-compose 目录获取更多细节。

首先，运行 docker-compose-base.yml 启动基础服务，并打开 Consul 控制面板，添加一个键为 finalrip.yml 的 K/V 对，值为 finalrip.yml 的内容（或你自己的配置文件）。

然后，运行 docker-compose-server.yml 启动控制面板、服务器、切割工作节点和合并工作节点服务。

最后，运行 docker-compose-encode.yml 启动编码工作节点服务，我们可以在不同主机上部署多个编码工作节点以加速编码过程。

注意：建议将 OSS 服务、切割和合并工作节点部署在同一台主机上。

配置

通过以下方式覆盖默认配置：

环境变量 >> 配置文件 / 远程配置文件（Consul）

特殊环境变量：

• FINALRIP_REMOTE_CONFIG_HOST Consul 主机地址，默认为空，表示从本地文件加载配置。设置后，将从 Consul K/V 存储加载配置。设置为 EASYTIER / easytier 时，会尝试从 FINALRIP_EASYTIER_HOST:8500（默认为 10.126.126.251:8500）加载配置。
• FINALRIP_REMOTE_CONFIG_KEY Consul 键名，默认为 finalrip.yml

开发新脚本？

在 vs-playground 中，我们提供了与编码工作节点相同的环境，因此你可以在该环境中开发和测试脚本。

高级用户指南

• API 文档：此处
• 构建自定义 encode 镜像：参考 vs-playground，并在控制面板中设置 Template Repo 名称，以便从该仓库的 templates 文件夹中选择脚本。

构建

ounter(lineounter(linemake allmake pt

AMD GPU 用户使用 make pt-rocm

项目地址

https://github.com/TensoRaws/FinalRip/blob/main/README.md