diff --git a/README.md b/README.md
index de9c317..9789f8a 100644
--- a/README.md
+++ b/README.md
@@ -38,12 +38,20 @@ Discord  ──voice / video / slash──▶  bot/      (Node + bun, discord.js
 
 ## 요구 사항
 
-- Ubuntu 데스크톱 + TigerVNC(:1) — `docs/vnc-xfce-setup.md`
-- Python 3.11+ (두뇌/브릿지), `ffmpeg`
-- [bun](https://bun.sh) (디스코드 봇)
-- Ollama (jarvis 두뇌의 LLM 백엔드)
-- 디스코드 **봇** 토큰 1개 (음성/슬래시)
-- (셀프봇 송출 사용 시) 디스코드 **버너 유저** 토큰 1개
+Docker로 돌리면(권장) 호스트에는 Docker + (GPU 쓸 경우) NVIDIA 드라이버만 있으면 되고, Python/bun/Ollama/ffmpeg/Whisper/Piper는 전부 컨테이너 안에 포함됩니다.
+
+OS별 호스트 준비물:
+
+| | Linux (Ubuntu 등) | Windows 11 |
+|---|---|---|
+| 컨테이너 런타임 | Docker Engine (CDI 지원, Docker 25+) | Docker Desktop + WSL2 백엔드 |
+| GPU 가속(선택) | `nvidia-container-toolkit` + `nvidia-ctk cdi generate` | NVIDIA 드라이버 + Docker Desktop GPU(WSL2) 활성화 |
+| GPU 넣는 compose | `docker-compose.gpu-linux.yml` | `docker-compose.gpu-windows.yml` |
+
+- 디스코드 **봇** 토큰 1개 (음성/슬래시) — 또는 (셀프봇 송출 사용 시) 디스코드 **버너 유저** 토큰 1개
+- (도커 없이 수동 실행 시에만) Python 3.11+, [bun](https://bun.sh), Ollama, `ffmpeg`를 호스트에 직접 설치 — 아래 "수동" 절 참고
+
+> VNC 데스크톱 호스트를 직접 구성하는 경우(도커 미사용)는 `docs/vnc-xfce-setup.md` 참고. 도커 실행에서는 VNC+XFCE가 컨테이너 안에 이미 들어 있습니다.
 
 ---
 
@@ -51,11 +59,31 @@ Discord  ──voice / video / slash──▶  bot/      (Node + bun, discord.js
 
 환경 설정 없이 통째로 컨테이너에서 돌립니다. VNC 데스크톱 + 크롬 + Python 브릿지 + Node 봇이 한 컨테이너(`javis`)에, LLM 백엔드(Ollama)가 별도 컨테이너에 뜹니다. **올리기만 하면 Ollama 모델까지 자동으로** 받아집니다.
 
+베이스 `docker-compose.yml`에는 GPU 설정이 없습니다(이식성 유지). GPU는 OS에 맞는 override 파일을 같이 얹어서 켭니다. **돌리는 OS에 따라 명령이 다릅니다:**
+
 ```bash
-# 빌드 & 기동 — 이게 전부입니다.
+# ── Linux (Ubuntu 등, nvidia-container-toolkit + CDI) ──
+docker compose -f docker-compose.yml -f docker-compose.gpu-linux.yml up -d --build
+
+# ── Windows 11 (Docker Desktop + WSL2 + NVIDIA) ──
+docker compose -f docker-compose.yml -f docker-compose.gpu-windows.yml up -d --build
+
+# ── GPU 없이 (CPU 전용 호스트) ──
+#   .env 에 WHISPER_DEVICE=cpu, MELO_DEVICE=cpu 를 넣고 베이스만 사용
 docker compose up -d --build
 ```
 
+매번 `-f`를 치기 싫으면 `.env`에 한 줄 넣어두면 그냥 `docker compose up -d`로 됩니다(override가 자동 적용):
+
+```bash
+# Linux
+COMPOSE_FILE=docker-compose.yml:docker-compose.gpu-linux.yml
+# Windows 11
+COMPOSE_FILE=docker-compose.yml:docker-compose.gpu-windows.yml
+```
+
+> Linux와 Windows는 GPU를 컨테이너에 넣는 방식이 달라서 override 파일이 갈립니다. Linux는 CDI(`devices: nvidia.com/gpu=all`), Windows(Docker Desktop)는 Compose의 `deploy.resources.reservations.devices`(`driver: nvidia`)를 씁니다. 호스트 사전 준비는 아래 "GPU 가속" 절 참고.
+
 `docker compose up` 한 번이면 자동으로:
 - Ollama 서버가 뜨고, `ollama-init`이 채팅/임베딩 모델을 **자동 pull**
 - VNC+XFCE 데스크톱 + 크롬 + Python 브릿지가 기동
@@ -81,23 +109,33 @@ docker compose up -d          # 유저봇이 로그인해 지정 음성채널에
 
 일반 봇(슬래시 명령 `/자비스`)으로 돌리려면 `DISCORD_BOT_TOKEN` / `DISCORD_APP_ID` / `DISCORD_GUILD_ID`를 채우세요. 다만 일반 봇은 화면 송출(Go Live)을 할 수 없습니다. `DISCORD_BOT_TOKEN`이 비어 있고 `DISCORD_SELFBOT_TOKEN`이 있으면 자동으로 유저봇 모드로 동작합니다. (`OLLAMA_CHAT_MODEL` 등 모델을 바꾸려면 `.env`에서 지정 후 `docker compose up -d`.)
 
-### GPU 가속 (기본 ON)
+### GPU 가속 (OS별)
 
-LLM(Ollama)과 Whisper STT가 **기본적으로 GPU(RTX 5050, Blackwell sm_120)** 에서 돕니다. 검증 완료: Ollama 100% GPU 오프로드, faster-whisper float16 GPU 동작.
+LLM(Ollama), Whisper STT, MeloTTS가 GPU에서 돕니다(env 기본 `WHISPER_DEVICE=cuda`, `MELO_DEVICE=cuda`). NVIDIA Blackwell(sm_120, 예: RTX 5050/5070Ti)에서 검증: 컨테이너 내 torch cu128 CUDA 동작, Ollama GPU 오프로드, faster-whisper float16, MeloTTS GPU 합성 모두 확인.
 
-호스트 사전 준비(1회):
+GPU는 위 "실행 — Docker"의 OS별 override 파일로 켜집니다. 호스트 사전 준비는 OS마다 다릅니다:
+
+**Linux (Ubuntu 등) — CDI 방식, 1회:**
 
 ```bash
-# nvidia-container-toolkit 설치 후 CDI 스펙 생성 (Docker 29 CDI 방식, 데몬 재시작 불필요)
+# nvidia-container-toolkit 설치 후 CDI 스펙 생성 (Docker 25+ CDI, 데몬 재시작 불필요)
 sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
 docker run --rm --device nvidia.com/gpu=all ubuntu nvidia-smi -L   # GPU 보이면 OK
 ```
 
-`docker-compose.yml`은 두 컨테이너에 `devices: ["nvidia.com/gpu=all"]`(CDI)로 GPU를 넣습니다.
+`docker-compose.gpu-linux.yml`이 두 컨테이너에 `devices: ["nvidia.com/gpu=all"]`(CDI)로 GPU를 넣습니다.
 
-- 모델: 기본 `qwen3:8b` — 8GB VRAM에서 도구호출(tool calling)이 가장 안정적이고 ~5GB(Q4)로 잘 맞습니다. 더 가볍게/무겁게 쓰려면 `.env`의 `OLLAMA_CHAT_MODEL` 변경.
-- Whisper는 `WHISPER_DEVICE=cuda`/`float16` 기본. **GPU가 없으면 자동으로 CPU로 폴백**하므로 안전합니다.
-- GPU가 아예 없는 호스트라면 `docker-compose.yml`의 두 `devices:` 블록을 지우고 `.env`에 `WHISPER_DEVICE=cpu`를 두면 됩니다.
+**Windows 11 — Docker Desktop + WSL2:**
+
+- 최신 NVIDIA 게임/스튜디오 드라이버 설치(별도 CUDA 툴킷 불필요).
+- Docker Desktop → Settings → Resources → WSL Integration 활성화(WSL2 백엔드). 최신 Docker Desktop은 WSL2에서 GPU를 자동 노출합니다.
+- 확인: PowerShell에서 `docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi`.
+- `docker-compose.gpu-windows.yml`이 `deploy.resources.reservations.devices`(`driver: nvidia`, `count: all`)로 GPU를 넣습니다.
+
+**공통:**
+
+- 모델: 베이스 compose 기본은 `qwen2.5:3b`(8GB VRAM에서 도구호출 안정적). 더 무겁게(`qwen2.5:7b`, `qwen3:8b` 등) 쓰려면 `.env`의 `OLLAMA_CHAT_MODEL` 변경.
+- **GPU가 없거나 인식 실패 시 자동으로 CPU 폴백**(Whisper)하므로 안전합니다. 명시적으로 CPU만 쓰려면 override 파일 없이 베이스만 올리고 `.env`에 `WHISPER_DEVICE=cpu`, `MELO_DEVICE=cpu`를 두세요.
 
 - 데이터(메모리 DB), Whisper 캐시, Piper 음성은 named volume에 영속됩니다.
 - 셀프봇 영상 송출 의존성은 이미지에 기본 포함하지 않습니다. 쓰려면 컨테이너에서 `cd /app/bot && bun add discord.js-selfbot-v13 @dank074/discord-video-stream` 후 재시작(또는 Dockerfile에 추가).
@@ -106,14 +144,17 @@ docker run --rm --device nvidia.com/gpu=all ubuntu nvidia-smi -L   # GPU 보이
 
 ## 실행 — 수동(도커 없이)
 
+도커 없이 호스트에서 직접 돌릴 때는 OS별로 venv 활성화·ffmpeg 설치·실행 스크립트가 다릅니다.
+
+**Linux / macOS:**
+
 ```bash
 # 1) 환경 변수
-cp .env.example .env
-#    DISCORD_BOT_TOKEN / DISCORD_APP_ID / DISCORD_GUILD_ID 등 채우기
+cp .env.example .env          # DISCORD_BOT_TOKEN / DISCORD_APP_ID / DISCORD_GUILD_ID 등 채우기
 
 # 2) Python 두뇌 + 브릿지 의존성
-python -m venv .venv && . .venv/bin/activate
-pip install -r requirements.txt          # jarvis 두뇌
+python3 -m venv .venv && . .venv/bin/activate
+pip install -r requirements.txt           # jarvis 두뇌
 pip install flask                          # 브릿지(없으면)
 
 # 3) 디스코드 봇 의존성 (bun)
@@ -121,11 +162,34 @@ cd bot && bun install && cd ..
 
 # 4) 한 번에 실행 (브릿지 + 봇)
 ./scripts/dev.sh
-#    또는 따로:
-#    ./scripts/start_bridge.sh
-#    ./scripts/start_bot.sh
+#    또는 따로: ./scripts/start_bridge.sh  /  ./scripts/start_bot.sh
 ```
 
+- `ffmpeg`: Ubuntu `sudo apt install ffmpeg`, macOS `brew install ffmpeg`.
+
+**Windows 11 (PowerShell):**
+
+```powershell
+# 1) 환경 변수
+copy .env.example .env        # 같은 키들 채우기
+
+# 2) Python 두뇌 + 브릿지 의존성  (venv 활성화 경로가 다름)
+py -3 -m venv .venv; .\.venv\Scripts\Activate.ps1
+pip install -r requirements.txt
+pip install flask
+
+# 3) 디스코드 봇 의존성 (bun — Windows 네이티브 또는 WSL2)
+cd bot; bun install; cd ..
+
+# 4) 실행: .sh 스크립트는 bash 전용이라 Windows에서는 두 프로세스를 따로 띄웁니다
+#    (PowerShell 창 2개, 또는 WSL2에서 위 Linux 절차 그대로 사용 권장)
+python -m bridge.server          # 창 1: 브릿지
+cd bot; bun run register; bun run start   # 창 2: (일반 봇이면) 슬래시 등록 후 봇 기동
+```
+
+- `ffmpeg`: `winget install Gyan.FFmpeg` 또는 `choco install ffmpeg` 후 PATH 확인.
+- `scripts/*.sh`(dev/start_bridge/start_bot)는 bash 스크립트라 순수 Windows에선 동작하지 않습니다. 가장 간단한 길은 **WSL2 안에서 위 Linux 절차를 그대로** 쓰는 것입니다(도커도 WSL2 백엔드와 동일).
+
 봇이 뜨면 디스코드에서 `/자비스 join` 으로 음성 채널에 부르세요.
 
 ---
@@ -177,7 +241,10 @@ cd bot && bun install && cd ..
 - `BRIDGE_URL` — 봇이 호출할 브릿지 주소 (기본 `http://127.0.0.1:8765`)
 - `STREAM_BACKEND`, `DISCORD_SELFBOT_TOKEN`, `NOVNC_URL` — 화면 송출
 - `VNC_DISPLAY=:1`, `VNC_RESOLUTION`, `VNC_FRAMERATE`, `VNC_BITRATE_KBPS` — 캡처
-- `WHISPER_DEVICE/COMPUTE_TYPE` — RTX 5050이면 `cuda`/`float16` 권장
+- `WHISPER_DEVICE/COMPUTE_TYPE`, `MELO_DEVICE` — GPU 호스트면 `cuda`/`float16`, CPU 전용이면 `cpu`(GPU 자체는 OS별 override compose 파일로 켬)
+- `OLLAMA_CHAT_MODEL` — 두뇌 LLM (기본 `qwen2.5:3b`)
+- `COMPOSE_FILE` — OS별 GPU override를 매번 `-f`로 안 치고 자동 적용 (위 "실행 — Docker" 참고)
+- `output_language` — 출력 언어 고정(비우면 사용자 언어). 설정 웹 UI(`/settings`)에서 바꾸면 env 기본값보다 우선하며 컨테이너 재생성 후에도 유지됩니다.
 
 ---