optimized PC player

moss/README.md

@@ -61,6 +61,7 @@ nvidia-smi
 ```bash
 sudo apt update
 sudo apt install -y ffmpeg git curl
+sudo apt install -y ninja-build
 ```
 
 ### 安装 uv
@@ -89,8 +90,20 @@ source .venv/bin/activate
 ```bash
 uv pip install -e ".[torch-runtime]" --torch-backend=auto
 uv pip install sglang-omni
+uv pip install ninja
 ```
 
+> `ninja` 是 FlashInfer JIT 编译 CUDA kernel 所需的构建工具，缺少它会在启动时
+> 报 `FileNotFoundError: 'ninja'`。
+>
+> 必须用 `apt install ninja-build` 安装系统级 ninja（`/usr/bin/ninja`）。
+> `uv pip install ninja` 只安装到虚拟环境 `.venv/bin/`，systemd 服务的 PATH
+> 不包含它。如果只能用 venv 里的 ninja，在 systemd 服务的 `[Service]` 段加：
+>
+> ```ini
+> Environment=PATH=/opt/moss-transcribe/MOSS-Transcribe-Diarize/.venv/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin
+> ```
+
 ### 下载模型
 
 ```bash
@@ -111,8 +124,6 @@ sgl-omni serve \
   --model-path OpenMOSS-Team/MOSS-Transcribe-Diarize \
   --host 127.0.0.1 \
   --port 8001 \
-  --max-running-requests 4 \
-  --cuda-graph-max-bs 4 \
   --mem-fraction-static 0.35
 ```
 
@@ -122,9 +133,7 @@ sgl-omni serve \
 |------|--------|------|
 | `--host` | `127.0.0.1` | 只监听本机，不要暴露公网 |
 | `--port` | `8001` | 服务端口（Whisper 用 9000，避免冲突） |
-| `--max-running-requests` | `4` | 最大并发请求数；显存充足可调大 |
-| `--cuda-graph-max-bs` | `4` | CUDA Graph 批大小上限，与并发数一致 |
-| `--mem-fraction-static` | `0.80` | 静态显存分配比例；与其他 GPU 服务共存时调低 |
+| `--mem-fraction-static` | 自动 | 静态显存分配比例（作用于所有 SGLang engine stage）；与其他 GPU 服务共存时调低 |
 
 > 与 llama-server、Whisper 等其他 GPU 服务共存时，将
 > `--mem-fraction-static` 设为 `0.30`–`0.40`（约 7–10 GB），避免 OOM。
@@ -352,8 +361,7 @@ curl http://127.0.0.1:8000/healthz   # 确认 moss_configured 为 true
 | Speaches (Whisper) | 4 GB | 停掉后释放 |
 | **MOSS + llama-server** | ~16 GB / 24 GB | 安全 |
 
-独占 GPU 时可将 `--mem-fraction-static` 调到 `0.80`（约 19 GB），
-`--max-running-requests` 调到 `16`，支持更多并发。
+独占 GPU 时可将 `--mem-fraction-static` 调到 `0.80`（约 19 GB），支持更多并发。
 
 ---