8mb.local视频压缩器

L·Z·M · 前天 20:06

项目地址：https://github.com/JMS1717/8mb.local?tab=readme-ov-file

8mb.local – 自托管 GPU 视频压缩器

[](https://github.com/JMS1717/8mb.local#8mblocal--selfhosted-gpu-video-compressor)

8mb.local 是一款自托管、即用即弃的视频压缩工具。只需拖放文件，选择目标大小（例如：8MB、25MB、50MB、100MB），即可借助 GPU 加速编码，以 AV1/HEVC/H.264 格式生成紧凑的输出文件。支持NVIDIA NVENC, Intel/AMD VAAPI（Linux），以及CPU回退。该堆栈包含SvelteKit用户界面、FastAPI后端、Celery工作器、Redis代理，以及通过服务器发送事件（SSE）实现的实时进度。

演示：https://video.elhacker.net/

截图

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#screenshots)

主界面	GPU 支持列表	设置面板
实时队列	压缩（实时日志）	编码器验证测试
作业历史	高级选项

功能

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#features)

多厂商GPU支持：自动检测NVIDIA NVENC、Intel/AMD VAAPI（Linux），或回退至CPU
强大的编码器验证：测试实际的编码器初始化，而不仅仅是检查其可用性列表
自动CPU回退：可从容应对驱动缺失、权限问题或硬件访问故障
拖放式界面，配备实用预设和高级选项（编解码器、容器、调音、音频比特率）
可配置的编解码器可见性：在设置页面启用/禁用特定编解码器
分辨率控制：在保持宽高比的同时设置最大宽度/高度
视频剪辑：指定开始/结束时间（秒或HH:MM:SS格式）
上传时进行ffprobe分析，以获取即时估算和警告
实时进度跟踪：使用实际输出大小、处理时间、比特率和墙钟估算值进行多信号进度跟踪，实现流畅、准确的更新
实时FFmpeg日志：压缩过程中的流式日志，提供即时反馈
实时队列管理：查看所有正在运行的任务及实时进度，取消单个任务，或清空整个队列
一键取消：停止正在进行的编码；工作人员立即中断FFmpeg
清空队列：一键移除所有任务（取消正在运行的任务，移除已排队或已完成的任务）
自动文件大小优化：如果输出超出目标超过2%，则自动以调整后的比特率重新编码
智能重试通知：自动重试时提供音频警报和视觉通知
默认启用历史记录跟踪：最近的作业存储在/app/history.json
默认启用自动下载
硬件编码器：AV1、HEVC（H.265）、H.264（可用时支持GPU加速）
软件回退：适用于纯CPU系统的libx264、libx265、libaom-av1
输出容器选择：MP4或MKV，并提供兼容性保障
版本跟踪：UI显示当前版本（v125+），后端提供/api/version端点

架构（技术深度解析）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#architecture-technical-deep-dive)

注（2025年11月）：支持RTX 50系列（Blackwell）

RTX 50 系列用户（RTX 5090/5080/5070 Ti 等）：
已验证，支持完整NVENC硬件加速！

Docker镜像： jms1717/8mblocal:rtx50-working
分支： rtx50-blackwell
完整设置指南： RTX50-WORKING.md

RTX 50系列关键提示：您必须挂载WSL驱动程序目录：
-v /usr/lib/wsl/drivers:/usr/lib/wsl/drivers:ro
（已在rtx50-blackwell分支的docker-compose.yml中配置）

要求：

RTX 50系列GPU（Blackwell/SM_100）

NVIDIA 驱动程序 550.x+（经测试为 581.80）

Windows 11 WSL2 或支持 CUDA 13 的 Linux

已验证的测试结果：✅ 所有6个编码器均通过（h264_nvenc、hevc_nvenc、av1_nvenc、libx264、libx265、libaom-av1）

其他NVIDIA GPU：

主分支：CUDA 12.2 + FFmpeg 6.1.1，驱动程序 535.x+（Turing/Ampere/Ada）

如果NVENC不兼容，CPU/VAAPI仍可正常工作

Intel Arc / Integrated Graphics (Linux)

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#intel-arc--integrated-graphics-linux)

通过VAAPI和QSV（libmfx），支持Intel Arc（例如A140、A380）以及近期的Intel集成显卡，适用于Linux主机。

主机要求：
- 配备Intel GPU且内核使用DRM i915/i915k的Linux系统
- 主机上已安装Intel媒体驱动程序（通常预装）
- 具备访问权限的Docker
容器配置（已包含）：
- 使用--enable-vaapi和--enable-libmfx（QSV）编译的FFmpeg
- 运行时软件包：intel-media-driver, libmfx1, libva-utils
- 环境：LIBVA_DRIVER_NAME=iHD
如何在Linux上运行（**机）：
- 取消注释以下设备映射：
  - devices: ["/dev/dri:/dev/dri"]

限制：

目前，WSL2（Windows）不会向Linux容器公开英特尔VAAPI/QSV设备。在Windows上，支持NVIDIA（CUDA/NVENC）；英特尔VAAPI/QSV则在Linux主机上受支持。

组件

前端（SvelteKit + Vite）：拖放式界面、尺寸估算、SSE 进度/日志、最终下载。
后端 API（FastAPI）：接受上传、运行 ffprobe、中继 SSE，并提供下载服务。
Worker（Celery + FFmpeg 6.1.1）：使用自动检测的硬件加速（NVENC/VAAPI/CPU）执行压缩；解析并发布更新。
Redis（代理+发布/订阅）：Celery代理及用于进度/日志事件的传输。

数据与文件

uploads/– 传入文件
outputs/– 压缩结果
后端会定期删除旧文件后FILE_RETENTION_HOURS.

配置

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#configuration)

Environment Variables

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#environment-variables)

WORKER_CONCURRENCY- 最大并发压缩任务数（默认：4，范围：1-20）
BACKEND_HOST- 后端绑定地址（默认：0.0.0.0）
BACKEND_PORT- 后端端口（默认：8001）
PUBLIC_BACKEND_URL- 前端 API 端点；不设置则使用同源（推荐）

Codec Visibility Settings

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#codec-visibility-settings)

通过环境变量或设置页面控制哪些编解码器显示在UI中：

CODEC_H264_NVENC, CODEC_HEVC_NVENC, CODEC_AV1_NVENC- NVIDIA编码器
CODEC_H264_QSV, CODEC_HEVC_QSV, CODEC_AV1_QSV - Intel Quick Sync
CODEC_H264_VAAPI, CODEC_HEVC_VAAPI, CODEC_AV1_VAAPI- AMD/Intel VAAPI（Linux）
CODEC_LIBX264, CODEC_LIBX265, CODEC_LIBAOM_AV1- CPU编码器

默认全部为true。系统会在运行时验证编码器的可用性，如果硬件不可用，则会自动回退到CPU。

Settings UI

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#settings-ui)

您可以通过以下网址的网页界面管理设置：/settings:

身份验证：启用/禁用身份验证，添加/更改用户，更改密码
默认预设：设置默认目标尺寸、编解码器、质量、容器等
编解码器可见性：启用/禁用特定编解码器（NVIDIA/Intel/AMD/CPU）
GPU支持参考：查看GPU硬件编码兼容性，请访问/gpu-support
无需重启容器——更改立即生效

示例.env文件：

AUTH_ENABLED=false
AUTH_USER=admin
AUTH_PASS=changeme
FILE_RETENTION_HOURS=1
WORKER_CONCURRENCY=4
REDIS_URL=redis://127.0.0.1:6379/0
BACKEND_HOST=0.0.0.0
BACKEND_PORT=8001

使用该应用

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#using-the-app)

拖放视频或选择文件。
选择目标大小或输入自定义MB值，点击分析（拖放时自动分析）。

性能与并发

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#performance--concurrency)

Multiple Simultaneous **s

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#multiple-simultaneous-**s)

8mb.local 支持并行运行多个压缩任务。可通过以下方式配置最大并发任务数：

设置界面：导航至设置 → 工作线程并发
环境变量：在您的WORKER_CONCURRENCY文件中设置.env（默认：4）
Docker Compose：添加到环境部分

重要提示：更改并发设置后需重启容器。

Hardware-Specific Recommendations

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#hardware-specific-recommendations)

GPU型号	推荐并发数	备注
Quadro RTX 4000 / RTX 3060+	6-10个任务	出色的NVENC吞吐量，可良好应对高并发
RTX 3090 / 4090	8-12个任务	顶级NVENC性能，最适合批量处理
GTX 1660 / RTX 2060	3-5个任务	中端NVENC性能良好
GTX 1050 Ti / 入门级	2-3个任务	基本NVENC，并行能力有限
仅CPU（libx264/libx265）	每4核1-2个任务	速度极慢，CPU占用率高
Intel/AMD VAAPI	4-8个任务	取决于集成显卡/独立显卡的能力

Performance Considerations

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#performance-considerations)

NVENC会话：大多数NVIDIA GPU支持2-3个原生NVENC会话，但驱动程序补丁/专业版GPU允许无限制
内存使用：每个作业使用约200-500MB RAM；请监控系统总内存
GPU内存：每个NVENC编码使用约100-200MB VRAM
磁盘I/O：更高的并发度会增加磁盘负载；建议6个以上并发作业使用SSD
热节流：以高并发方式监控GPU温度（超过80°C可能导致性能下降）

Queue Visualization

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#queue-visualization)

队列页面清晰显示哪些作业正在同时运行：

运行中的作业：蓝色脉动闪电（⚡），蓝色边框，“正在运行”指示符
已排队的作业：**“正在队列中等待”状态
实时进度：所有运行作业的实时进度更新

从4个并发作业开始，逐步增加，同时监控GPU利用率和作业完成时间。

使用该应用

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#using-the-app-1)

拖放视频或选择文件。
选择目标大小或输入自定义MB值，点击分析（拖放时自动分析）。
可选：打开高级选项。
- 视频编解码器：AV1（在较新的RTX上质量最佳）、HEVC（H.265）或H.264（兼容性）。
- 音频编解码器：Opus（默认）或AAC。选择Opus时，MP4会自动回退至AAC。
- 速度/质量：NVENC P1（快）… P7（最佳）。默认为P6。
- 容器：MP4（兼容性最高）或MKV（与Opus配合最佳）。
- 音质：最佳品质（HQ）、低延迟、超低延迟或无损。
点击“压缩”并查看进度/日志。使用“取消”可在编码中途停止。完成后将自动开始下载。

编解码器/容器说明

MP4 + Opus 并未得到广泛支持。如果选择 MP4+Opus，工作人员会自动改用 AAC 以确保兼容性。MKV 则直接支持 Opus。
MP4 输出包含+faststart以实现更佳的网页播放效果。
H.264/HEVC 输出设置为兼容的像素格式（yuv420p）和配置文件。

性能提示

对于极小的目标，优先选择AV1/HEVC，并将音频比特率保持在96–128 kbps左右。
如果对速度有要求，请尝试低/超低延迟音色，并选用更快的预设（P1–P4）。如需最佳音质，请使用HQ搭配P6/P7。

GPU支持提示

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#gpu-support-tips)

Hardware Acceleration Support

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#hardware-acceleration-support)

8mb.local会自动检测并使用可用的硬件加速：

NVIDIA GPU（NVENC）：对AV1、HEVC、H.264提供最佳支持
- AV1需配备RTX 40/50系列显卡，HEVC/H.264需配备GTX 10+系列显卡
- Windows：Docker Desktop + 启用 GPU 的 WSL2；在 WSL2 中安装 NVIDIA 驱动程序和容器工具包
- Linux：安装NVIDIA驱动程序和NVIDIA容器工具包
- 在docker run命令中使用--gpus all标志
- 检查：docker exec 8mblocal bash -c "ffmpeg -hide_banner -encoders | grep -i nvenc"
英特尔GPU（快速同步视频 - QSV）：对H.264、HEVC、AV1有良好支持（Arc GPU）
- 需要支持QSV的英特尔GPU（大多数第6代及以上酷睿CPU和Arc GPU）
- Linux：确保/dev/dri在容器中可访问
- 在docker run命令中使用--device=/dev/dri:/dev/dri标志
- 检查：docker exec 8mblocal bash -c "ffmpeg -hide_banner -encoders | grep -i qsv"
AMD GPU（仅限Linux的VAAPI）：支持H.264、HEVC、AV1
- Linux：VAAPI（需要Mesa驱动程序和/dev/dri访问权限）
- 在docker run命令中使用--device=/dev/dri:/dev/dri标志
- 建议使用AMD RDNA 2+以获得最佳兼容性
- 检查：docker exec 8mblocal bash -c "ffmpeg -hide_banner -encoders | grep vaapi"
CPU回退：适用于任何无GPU的系统
- 使用libx264（H.264）、libx265（HEVC）、libaom-av1（AV1）
- 速度较慢但兼容性更广泛
- 若硬件编码器不可用，则自动启用

系统会在运行时验证编码器的可用性，如果硬件不可用，则会自动回退到CPU。您将看到如下日志消息：

“使用编码器：h264_vaapi（请求：h264_vaapi）” - 硬件正常工作
“警告：h264_vaapi不可用，正在回退至CPU（libx264）” - CPU回退
“警告：hevc_nvenc初始化测试失败（驱动程序/库问题），正在回退至CPU” - 硬件已列出但无法初始化

安装

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#installation)

Quick Start with Docker

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#quick-start-with-docker)

运行8mb.local最简单的方式是使用预先构建的Docker镜像。请选择适合您系统的命令：

仅CPU（无GPU）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#cpu-only-no-gpu)

docker run -d --name 8mblocal -p 8001:8001 -v ./uploads:/app/uploads -v ./outputs:/app/outputs jms1717/8mblocal:latest

NVIDIA GPU（NVENC）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#nvidia-gpu-nvenc)

docker run -d --name 8mblocal --gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,video,utility -p 8001:8001 -v ./uploads:/app/uploads -v ./outputs:/app/outputs jms1717/8mblocal:latest

注意：需要设置环境变量以启用NVENC支持。该环境变量会告知NVIDIA容器工具包将视频编码库挂载到容器中。

Intel/AMD GPU（VAAPI - Linux）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#intelamd-gpu-vaapi---linux)

docker run -d --name 8mblocal --device=/dev/dri:/dev/dri -p 8001:8001 -v ./uploads:/app/uploads -v ./outputs:/app/outputs jms1717/8mblocal:latest

NVIDIA + VAAPI（双GPU - Linux）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#nvidia--vaapi-dual-gpu---linux)

docker run -d --name 8mblocal --gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,video,utility --device=/dev/dri:/dev/dri -p 8001:8001 -v ./uploads:/app/uploads -v ./outputs:/app/outputs jms1717/8mblocal:latest

访问网页界面地址：http://localhost:8001

Docker Compose

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#docker-compose)

为便于管理，请使用Docker Compose。创建一个docker-compose.yml文件：

仅CPU

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#cpu-only)

services:
  8mblocal:
    image: jms1717/8mblocal:latest
    container_name: 8mblocal
    ports:
      - "8001:8001"
    volumes:
      - ./uploads:/app/uploads
      - ./outputs:/app/outputs
      - ./.env:/app/.env  # Optional: for custom settings
    restart: unless-stopped

NVIDIA GPU

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#nvidia-gpu)

services:
  8mblocal:
    image: jms1717/8mblocal:latest
    container_name: 8mblocal
    ports:
      - "8001:8001"
    volumes:
      - ./uploads:/app/uploads
      - ./outputs:/app/outputs
      - ./.env:/app/.env  # Optional: for custom settings
    restart: unless-stopped
    environment:
      - NVIDIA_DRIVER_CAPABILITIES=compute,video,utility  # Required for NVENC
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

英特尔/AMD VAAPI（Linux）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#intelamd-vaapi-linux)

services:
  8mblocal:
    image: jms1717/8mblocal:latest
    container_name: 8mblocal
    ports:
      - "8001:8001"
    volumes:
      - ./uploads:/app/uploads
      - ./outputs:/app/outputs
      - ./.env:/app/.env  # Optional: for custom settings
    devices:
      - /dev/dri:/dev/dri
    restart: unless-stopped

NVIDIA + VAAPI（双GPU）

[](https://github.com/JMS1717/8mb.local?tab=readme-ov-file#nvidia--vaapi-dual-gpu)

services:
  8mblocal:
    image: jms1717/8mblocal:latest
    container_name: 8mblocal
    ports:
      - "8001:8001"
    volumes:
      - ./uploads:/app/uploads
      - ./outputs:/app/outputs
      - ./.env:/app/.env  # Optional: for custom settings
    devices:
      - /dev/dri:/dev/dri
    restart: unless-stopped
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

		自动登录	找回密码
密码			立即注册

8mb.local视频压缩器

8mb.local – 自托管 GPU 视频压缩器

截图

功能

架构（技术深度解析）

Intel Arc / Integrated Graphics (Linux)

配置

Environment Variables

Codec Visibility Settings

Settings UI

使用该应用

性能与并发

Multiple Simultaneous **s

Hardware-Specific Recommendations

Performance Considerations

Queue Visualization

使用该应用

GPU支持提示

Hardware Acceleration Support

安装

Quick Start with Docker

仅CPU（无GPU）

NVIDIA GPU（NVENC）

Intel/AMD GPU（VAAPI - Linux）

NVIDIA + VAAPI（双GPU - Linux）

Docker Compose

仅CPU

NVIDIA GPU

英特尔/AMD VAAPI（Linux）

NVIDIA + VAAPI（双GPU）

本帖子中包含更多资源