Construí um servidor 4K Jellyfin com Intel Quick Sync por menos de US$ 200 e é o suficiente para substituir minha antiga configuração de GPU.

Ao contrário das ferramentas FOSS leves típicas, você precisará do conjunto certo de hardware para colocar seu servidor de mídia em funcionamento. A frente de armazenamento é especialmente importante porque você precisará de TB de espaço para armazenar sua coleção de programas de TV e filmes copiados. E se você perguntar a um veterano sábio, ele também recomendaria levar uma GPU sobressalente para tarefas de transcodificação de hardware.

Mas à medida que os preços do hardware para PC atingem a zona vermelha, as placas gráficas dedicadas que não são vendidas a preços promocionais começam a parecer um mito. Na verdade, esse é um problema que encontrei há algumas semanas, quando quis substituir minha tarefa de transcodificação em uma instância do Jellyfin. Depois de ouvir coisas boas sobre o Intel N100, tentei converter um sistema abaixo de US$ 200 em um servidor Jellyfin e, embora tenha um pequeno problema, ele pode lidar com fluxos simultâneos de 4K sem suar a camisa.

A transcodificação de hardware é obrigatória na minha configuração

Mas não quero usar minha GPU antiga apenas para transcodificação

Se você for como eu, provavelmente já copiou filmes e programas de TV em todos os tipos de codecs. Infelizmente, nem todos os dispositivos do meu arsenal podem suportar todos os formatos de mídia, e é aí que a transcodificação entra na equação. Como você já deve ter adivinhado, a transcodificação converte um formato de vídeo incompatível em um formato que o dispositivo pode reproduzir. No entanto, depender inteiramente da CPU para transcodificação de vídeo não é ideal, pois pode causar quedas de quadros e travar o fluxo de vídeo ao executar tarefas adicionais de transcodificação.

É aqui que a transcodificação assistida por hardware entra na equação. Em vez de sobrecarregar a CPU com desempenho inferior, as placas gráficas lidam com a carga de processamento adicional necessária para converter codecs de vídeo em um formato adequado ao dispositivo cliente. Mas o problema é o seguinte: já estou usando minha antiga placa gráfica para meus experimentos pesados ​​em máquinas virtuais. Portanto, a menos que eu começasse a executar o Jellyfin em minha VM de desenvolvimento (o que não tenho intenção de fazer), tive que procurar alternativas, como contar com uma GPU integrada. Veja bem, vários (mas não todos) processadores Intel modernos têm um núcleo de processamento adicional chamado Quick Sync junto com o iGPU, que é projetado para tarefas moderadas de transcodificação. Isso o torna uma alternativa ideal para uma GPU dedicada, especialmente porque normalmente não transmito mais de 3 vídeos em 4K ao mesmo tempo em minha casa.

Optei pelo Jellyfin LXC hospedado no Proxmox

Um que suporte a taxa de transferência de GPU e se conecte aos meus compartilhamentos SMB

Mudando para o lado prático das coisas, decidi usar o LattePanda Mu como host do meu servidor Jellyfin. É um módulo de computação com CPU N100 e 8 GB de RAM, e tendo executado anteriormente o Proxmox em um SBC com especificações semelhantes, aprendi a não subestimar o processador econômico da Intel.

De qualquer forma, eu já tinha armado a placa com Proxmox e alguns LXC, e configurar o Jellyfin foi tão fácil quanto executar. bash -c “$(curl -fsSL https://raw.githubusercontent.com/community-scripts/ProxmoxVE/main/ct/jellyfin.sh)” na seção Shell do meu nó PVE. Como pretendo montar este LXC nos compartilhamentos SMB que contêm todos os arquivos de mídia arquivados em meu NAS, escolhi as configurações padrão e não me preocupei em atribuir provisões de armazenamento adicionais. Melhor ainda, o PVE Helper Script detectou imediatamente o Intel iGPU e começou a instalar os drivers junto com os outros pacotes Jellyfin. Depois que o contêiner estava instalado e funcionando, entrei em sua interface da web e ativei a funcionalidade Intel Quick Sync na guia Transcodificação da seção do painel.

Infelizmente, as tendências de mapeamento UID/GID do Proxmox tornam as coisas um pouco complicadas ao emparelhar compartilhamentos de rede com LXCs pouco atraentes, o que significa que tive que trabalhar para adicionar filmes e programas de TV arquivados à minha instância Jellyfin. A solução de montagem envolve conectar o host Proxmox subjacente a um compartilhamento SMB no meu NAS, e isso é muito fácil de fazer usando a seção Armazenamento da guia Datacenter do PVE. Também criei uma nova pasta que serve como ponto de conexão para o compartilhamento de rede no meu LXC. Então eu corri pc set 102 -mp0 /mnt/pve/jellyfin-smb,mp=/mnt/media comando para permitir que o servidor Jellyfin acesse o compartilhamento. Finalmente, fui para a interface web do Jellyfin e usei a opção Biblioteca para adicionar as pastas contendo minha biblioteca de mídia cuidadosamente coletada. Com certeza, eles apareceram no diretório e o Jellyfin começou a escanear os arquivos e seus metadados.

Minha configuração econômica é suficiente para lidar com vários fluxos de 4K

A decodificação AV1 é o único componente que falta

Querendo testar o iGPU para minhas tarefas de transcodificação, tentei rapidamente reproduzir alguns vídeos da minha coleção no meu navegador. É claro que ajustar algumas configurações de reprodução mudou o método de reprodução para transcodificação sem gaguejar ou perder quadros. Consegui executar três fluxos de 4K simultaneamente, até mesmo o quarto com algumas quedas de quadros no início. Mudar para vídeos em 1080p tornou o sistema muito mais fácil e meu N100 foi capaz de executar 8 streams sem problemas perceptíveis.

No entanto, há um calcanhar de Aquiles com esta configuração diminuta – embora o iGPU do N100 faça um ótimo trabalho com a decodificação AV1 acelerada por hardware, ele depende da CPU para codificar este codec. É irritante, mas como a maioria dos meus arquivos são H.264 e HEVC, isso não é de forma alguma um obstáculo. Honestamente, o fato de poder reproduzir vídeos inteiros em 4K a partir de um dispositivo de baixa potência e ocupando pouco espaço como o LattePanda Mu é uma prova dos recursos de sincronização rápida da Intel, e duvido que fique sem GPUs para minhas tarefas de streaming de mídia tão cedo.