用途：在 Modal.com 无服务器 Python 平台上部署 FFmpeg，做可弹性伸缩的视频处理，包括批量转码、并行处理、GPU 加速编码与 ML 推理结合。
主要能力：CPU 容器用 modal.Image.debian_slim().apt_install("ffmpeg") 即可；GPU 容器可加 pip_install("torch") 做推理，或用 from_registry("nvidia/cuda:...") 获取完整 CUDA 工具链。支持 map/starmap 并行扩展到大量容器，按执行时间计费，冷启动亚秒级。可结合 Whisper 转写与 FFmpeg 音频归一化。
使用方式：pip install modal 后执行 modal setup 认证，再 modal run your_script.py。函数用 @app.function(image=..., gpu="T4") 装饰，本地入口用 @app.local_entrypoint()。大文件用 Modal Volumes 挂载到 /data，处理完需 video_volume.commit()；可用 modal volume put/get/ls 管理文件。
适用场景：需要突发扩容的批量转码、逐帧并行处理、GPU 推理加视频处理、成本敏感的按需处理。
限制：Modal 的 GPU 主要用于 ML 推理，NVENC 是否可用取决于 FFmpeg 构建是否含 --enable-nvenc、NVIDIA 驱动是否暴露编码能力，可能需 NVIDIA_DRIVER_CAPABILITIES=compute,video,utility，建议先用 ffmpeg -encoders 与 nvidia-smi 验证；纯硬件 NVENC 编码需先确认 GPU 能力。资料中 GPU 价格（T4 约 $0.59/小时、A10G 约 $1.10、L40S 约 $1.95、H100 约 $4.25）为参考值，实际以官方为准。成本优化、生产模式与故障排查部分资料未完整提供。