brian9909/ffmpeg-docker-web-manager repository overview

⁠FFmpeg Transcoder Web manager

一个基于 Web 的轻量级 FFmpeg 转码管理工具，专为简化视频转码任务而设计。它提供了一个直观的界面来配置转码参数、预览压缩效果，并利用硬件加速功能高效处理视频。

⁠✨ 主要功能

• Web 操作界面：无需记忆复杂的 FFmpeg 命令行参数，通过网页即可完成配置。
• 硬件加速支持：
  • 自动检测并配置 NVIDIA 显卡 (CUDA/NVENC)。
  • 支持 Intel/AMD 核显硬件加速 (VAAPI/QSV)。
  • 精确显示显卡型号（如 NVIDIA RTX 4090）。
• 实时预览与估算：
  • 支持截取视频片段（默认10秒）进行快速转码预览。
  • 智能体积估算：根据预览结果，自动计算全片压缩后的预估体积和压缩率。
• 灵活的任务控制：
  • 支持批量添加转码任务。
  • 支持多线程控制（自定义线程数或自动管理）。
  • 任务中止：随时取消正在进行的转码任务。
• CPU 核心检测：自动显示系统核心数，辅助线程配置。
• 容器化部署：基于 Docker，环境隔离，一键部署。

⁠🛠️ 安装与部署

⁠前置要求

• Docker & Docker Compose
• (可选) NVIDIA 驱动：如果你需要使用 NVIDIA 显卡加速，请确保宿主机已安装驱动及 nvidia-container-toolkit。

⁠快速开始

本项目提供了一键安装脚本 setup.sh，它会自动检测硬件环境并生成相应的 Docker 配置。

1. 下载项目代码

   git clone <your-repo-url>
   cd ffmpeg-web-transcoder
   

   Copy

2. 运行安装脚本

   chmod +x setup.sh
   ./setup.sh
   

   Copy

3. 配置媒体目录 脚本运行过程中会提示输入媒体文件目录（存放待转码视频的文件夹）。

   • 默认为当前目录下的 ./media。
   • 如果输入了自定义路径（如 /mnt/user/downloads），脚本会自动将其挂载到容器内。

4. 启动服务 脚本最后会尝试自动启动容器。如果需要手动启动：

   docker-compose up -d
   

   Copy

5. 访问界面 打开浏览器访问：http://localhost:8000⁠

⁠📖 使用指南

1. 准备文件：将需要转码的视频文件放入你配置的媒体目录下的 input 文件夹中（如果没有会自动创建）。
2. 选择文件：在网页左侧文件列表中，勾选要处理的视频。
3. 配置参数：
   • 编码器：选择 H.264, H.265 (HEVC), 或对应的硬件加速编码器 (h264_nvenc, hevc_qsv 等)。
   • 预设 (Preset)：调整编码速度与质量平衡（如 fast, medium, slow）。
   • 线程数：根据 CPU 核心数调整，或设为 0 让 FFmpeg 自动选择。
4. 预览：点击“生成预览”按钮，查看 10 秒片段的画质和预估体积。
5. 开始转码：点击“添加到任务队列”，并在右侧点击“开始”执行任务。
6. 查看结果：转码完成后的文件将保存在媒体目录下的 output 文件夹中。

⁠📂 目录结构

.
├── main.py                 # 后端核心逻辑 (FastAPI)
├── static/                 # 前端静态资源 (HTML/JS/CSS)
├── setup.sh                # 自动安装与环境检测脚本
├── Dockerfile              # 容器构建文件
├── docker-compose.template.yml # Docker Compose 模板
├── requirements.txt        # Python 依赖
└── media/                  # (默认) 媒体文件挂载点
    ├── input/              # 存放待转码视频
    └── output/             # 存放转码完成的视频

⁠⚠️ 注意事项

• 预览功能：预览时生成的临时文件会存放在 static/previews 目录下。
• TS 文件支持：支持 .ts 格式视频，但在预览时可能会因源文件损坏导致失败（正在优化容错处理）。
• 字幕处理：默认模式下，转码会尝试复制字幕流；如果遇到兼容性问题，可在参数中调整。

⁠📝 开发与贡献

如果你想在本地开发：

1. 安装 Python 3.9+。
2. 安装依赖：pip install -r requirements.txt。
3. 确保系统安装了 ffmpeg。
4. 运行服务：uvicorn main:app --reload --host 0.0.0.0 --port 8000。

Powered by FastAPI, AdminLTE & FFmpeg.