use fast souces

whisper/README.md

@@ -9,7 +9,7 @@ OpenAI 兼容语音转写服务，使用 faster-whisper（CTranslate2）推理
 
 ```text
 whisper/
-  docker-compose.yml           GPU 服务编排（ghcr.io/speaches-ai/speaches:latest-cuda）
+  docker-compose.yml           GPU 服务编排（默认经 DaoCloud 拉 ghcr 镜像）
   .env.example                 配置模板（模型、端口、计算类型）
   systemd/whisper-transcribe.service  systemd 模板
   verify.sh                    部署验证脚本
@@ -27,7 +27,7 @@ sudo chown "$USER":"$USER" /opt/whisper
 cp -a whisper/. /opt/whisper/   # 注意用 whisper/. 而不是 whisper/*，否则不会复制 .env.example 等隐藏文件
 cd /opt/whisper
 
-cp .env.example .env          # 按需修改 WHISPER_MODEL
+cp .env.example .env          # 按需修改 WHISPER_MODEL / WHISPER_IMAGE
 docker compose up -d
 docker compose logs -f whisper   # 首次启动下载模型（约 3 GB），看到启动完成即可
 ```
@@ -79,6 +79,8 @@ L4（24 GB 显存）可同时常驻两个模型；Speaches 支持在请求的 `m
 
 ## 常见问题
 
+- 拉取 Speaches 镜像慢：默认镜像为 `docker.m.daocloud.io/ghcr.io/speaches-ai/speaches:latest-cuda`；
+  能直连 GitHub 时在 `.env` 设 `WHISPER_IMAGE=ghcr.io/speaches-ai/speaches:latest-cuda`。
 - 首次启动下载模型慢或失败：默认已使用国内镜像 `https://hf-mirror.com`（可在 `.env`
   的 `HF_ENDPOINT` 覆盖）；仍失败可改用代理，在 `docker-compose.yml` 的
   `environment` 里加 `HTTP_PROXY`/`HTTPS_PROXY` 后 `docker compose up -d`。