:音声および動画処理のベストプラクティス

GPU アクセラレーションなし

単一出力（1:1）

docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg \
  -y -i input.mp4 -c:v h264 -vf scale=1920:1080 -b:v 5M output.mp4

複数出力（1:N）

docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg \
  -y -i input.mp4 \
  -c:a copy -c:v h264 -vf scale=1920:1080 -b:v 5M output_1080.mp4 \
  -c:a copy -c:v h264 -vf scale=1280:720  -b:v 5M output_720.mp4 \
  -c:a copy -c:v h264 -vf scale=640:480   -b:v 5M output_480.mp4

GPU アクセラレーションあり

単一出力（1:1）

docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg \
  -y -hwaccel cuda -hwaccel_output_format cuda \
  -i input.mp4 -c:v h264_nvenc -vf scale_cuda=1920:1080:1:4 -b:v 5M output.mp4

複数出力（1:N）

docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg \
  -y -hwaccel cuda -hwaccel_output_format cuda -i input.mp4 \
  -c:a copy -c:v h264_nvenc -vf scale_npp=1920:1080 -b:v 5M output_1080.mp4 \
  -c:a copy -c:v h264_nvenc -vf scale_npp=1280:720  -b:v 5M output_720.mp4 \
  -c:a copy -c:v h264_nvenc -vf scale_npp=640:480   -b:v 5M output_480.mp4

主なパラメーター

操作手順

1. プロジェクトを作成します。

   fc-gpu-prj
   ├── code
   │   ├── app.py        # 関数コード
   │   └── Dockerfile    # イメージのDockerfile
   ├── README.md
   └── s.yaml            # デプロイ構成

   生成されるプロジェクト構造は以下のとおりです。

   fc-gpu-prj
   ├── code
   │   ├── app.py        # 関数コード
   │   └── Dockerfile    # イメージの Dockerfile
   ├── README.md
   └── s.yaml            # デプロイメント構成

2. プロジェクトディレクトリに移動します。

   cd fc-gpu-prj

3. 構成ファイルを編集します。s.yaml — リージョン、サービス名、コンテナイメージ URI をご環境に合わせて更新します。主要な GPU 関連パラメーターは instanceType: fc.gpu.tesla.1 および gpuMemorySize: 8192 です。

   edition: 1.0.0
   name: container-demo
   access: default
   vars:
     region: cn-shenzhen
   services:
     customContainer-demo:
       component: devsapp/fc
       props:
         region: ${vars.region}
         service:
           name: tgpu_ffmpeg_service
           internetAccess: true
         function:
           name: tgpu_ffmpeg_func
           description: test gpu for ffmpeg
           handler: not-used
           timeout: 600
           caPort: 9000
           instanceType: fc.gpu.tesla.1
           gpuMemorySize: 8192
           cpu: 4
           memorySize: 16384
           diskSize: 512
           runtime: custom-container
           customContainerConfig:
             # 前提条件：
             # 1. Container Registry で「demo」という名前空間および「gpu-transcoding_s」というイメージリポジトリを作成します。
             # 2. 更新および再デプロイ時にタグをインクリメントします（例：v0.1 → v0.2）。
             image: registry.cn-shanghai.aliyuncs.com/demo/gpu-transcoding_s:v0.1
           codeUri: ./code

   YAML パラメーターの完全な一覧については、「YAML 仕様」をご参照ください。app.py — この関数は、OSS からソース動画をダウンロードし、FFmpeg を使用してトランスコードし（TRANS-MODE ヘッダーに基づいて GPU または CPU を使用）、結果を OSS に再アップロードします。src_url および dst_url のプレースホルダー値を、実際の OSS オブジェクト URL に置き換えてください。

   # -*- coding: utf-8 -*-
   from __future__ import print_function
   from http.server import HTTPServer, BaseHTTPRequestHandler
   import json
   import sys
   import logging
   import os
   import time
   import urllib.request
   import subprocess
   
   class Resquest(BaseHTTPRequestHandler):
       def download(self, url, path):
           print("enter download:", url)
           f = urllib.request.urlopen(url)
           with open(path, "wb") as local_file:
               local_file.write(f.read())
   
       def upload(self, url, path):
           print("enter upload:", url)
           headers = {
               'Content-Type': 'application/octet-stream',
               'Content-Length': os.stat(path).st_size,
           }
           req = urllib.request.Request(url, open(path, 'rb'), headers=headers, method='PUT')
           urllib.request.urlopen(req)
   
       def trans(self, input_path, output_path, enable_gpu):
           print("enter trans input:", input_path, " output:", output_path, " enable_gpu:", enable_gpu)
   
           cmd = ['ffmpeg', '-y', '-i', input_path, "-c:a", "copy", "-c:v", "h264", "-b:v", "5M", output_path]
           if enable_gpu:
               cmd = ["ffmpeg", "-y", "-hwaccel", "cuda", "-hwaccel_output_format", "cuda", "-i", input_path, "-c:v", "h264_nvenc", "-b:v", "5M", output_path]
   
           try:
               subprocess.run(cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, check=True)
           except subprocess.CalledProcessError as exc:
               print('\nreturncode:{}'.format(exc.returncode))
               print('\ncmd:{}'.format(exc.cmd))
               print('\noutput:{}'.format(exc.output))
               print('\nstderr:{}'.format(exc.stderr))
               print('\nstdout:{}'.format(exc.stdout))
   
       def trans_wrapper(self, enable_gpu):
           src_url = "https://your.domain/input.mp4"  # 実際の OSS オブジェクト URL（読み取りアクセス権限が必要）に置き換えてください
           dst_url = "https://your.domain/output.flv" # 実際の OSS オブジェクト URL（書き込みアクセス権限が必要）に置き換えてください
           src_path = "/tmp/input_c.flv"
           dst_path = "/tmp/output_c.mp4"
   
           if enable_gpu:
               src_url = "https://your.domain/input.mp4"  # 実際の OSS オブジェクト URL（読み取りアクセス権限が必要）に置き換えてください
               dst_url = "https://your.domain/output.flv" # 実際の OSS オブジェクト URL（書き込みアクセス権限が必要）に置き換えてください
               src_path = "/tmp/input_g.flv"
               dst_path = "/tmp/output_g.mp4"
   
           local_time = time.time()
           self.download(src_url, src_path)
           download_time = time.time() - local_time
   
           local_time = time.time()
           self.trans(src_path, dst_path, enable_gpu)
           trans_time = time.time() - local_time
   
           local_time = time.time()
           self.upload(dst_url, dst_path)
           upload_time = time.time() - local_time
   
           data = {'result':'ok', 'download_time':download_time, 'trans_time':trans_time, 'upload_time':upload_time}
           self.send_response(200)
           self.send_header('Content-type', 'application/json')
           self.end_headers()
           self.wfile.write(json.dumps(data).encode())
   
       def pong(self):
           data = {"function":"trans_gpu"}
           self.send_response(200)
           self.send_header('Content-type', 'application/json')
           self.end_headers()
           self.wfile.write(json.dumps(data).encode())
   
       def dispatch(self):
           mode = self.headers.get('TRANS-MODE')
   
           if mode == "ping":
               self.pong()
           elif mode == "gpu":
               self.trans_wrapper(True)
           elif mode == "cpu":
               self.trans_wrapper(False)
           else:
               self.pong()
   
       def do_GET(self):
           self.dispatch()
   
       def do_POST(self):
           self.dispatch()
   
   if __name__ == '__main__':
       host = ('0.0.0.0', 9000)
       server = HTTPServer(host, Resquest)
       print("Starting server, listen at: %s:%s" % host)
       server.serve_forever()

   Dockerfile — NVIDIA FFmpeg ベースイメージからコンテナイメージを構築し、Python ランタイムを追加します。

   FROM registry.cn-shanghai.aliyuncs.com/serverless_devs/nvidia-ffmpeg:latest
   WORKDIR /usr/src/app
   RUN apt-get update --fix-missing
   RUN apt-get install -y python3
   RUN apt-get install -y python3-pip
   COPY . .
   ENTRYPOINT [ "python3", "-u", "/usr/src/app/app.py" ]
   EXPOSE 9000

4. コンテナイメージをビルドします。

   s build --dockerfile ./code/Dockerfile

5. Function Compute にデプロイします。

   s deploy を同じサービス名および関数名で再度実行する場合は、まず use local を実行して、ローカル構成を使用してください。

   s deploy

6. コールドスタートによる遅延を回避し、GPU 関数が即座にリクエストを処理できるよう、プロビジョニング済みインスタンスを作成します。

   s provision put --target 1 --qualifier LATEST

7. プロビジョニング済みインスタンスが準備完了していることを確認します。

   s provision get --qualifier LATEST

   current の値が 1 になった時点で、インスタンスは準備完了です。出力例：

   [2021-12-14 08:45:24] [INFO] [S-CLI] - Start ...
   [2021-12-14 08:45:24] [INFO] [FC] - Getting provision: tgpu_ffmpeg_service.LATEST/tgpu_ffmpeg_func
   customContainer-demo:
    serviceName:      tgpu_ffmpeg_service
    functionName:      tgpu_ffmpeg_func
    qualifier:       LATEST
    resource:        188077086902****#tgpu_ffmpeg_service#LATEST#tgpu_ffmpeg_func
    target:         1
    current:        1
    scheduledActions:    (empty array)
    targetTrackingPolicies: (empty array)
    currentError:

8. 関数を呼び出します。デプロイ済みのバージョンを確認します。

   s invoke

   CPU によるトランスコーディング：

   s invoke -e '{"method":"GET","headers":{"TRANS-MODE":"cpu"}}'

   GPU によるトランスコーディング：

   s invoke -e '{"method":"GET","headers":{"TRANS-MODE":"gpu"}}'

9. 作業が完了したら、課金を停止するためにプロビジョニング済みインスタンスを解放します。

   s provision put --target 0 --qualifier LATEST