ci: GPU 검증을 별도 러너 라벨로 분리 (windows-gpu)

GPU 는 한 VM 만 독점한다 — 컨슈머 NVIDIA 는 vGPU/SR-IOV 를 지원하지 않아
쪼개 쓸 방법이 없고, 지금 RTX 5050 은 .9(리눅스)에 물려 있다. 따라서 GPU
없는 상시 CI VM 에서는 CUDA·VRAM·4~5티어를 영영 확인할 수 없다.

코드로 우회할 수 없는 제약이므로, 대신 **나중에 GPU 머신이 생겼을 때 그대로
붙도록** 구조를 지금 잡아뒀다. 이 러너를 다른 프로젝트 GPU 테스트에도 쓸
계획이라면 이 구분이 그쪽에도 그대로 적용된다.

  windows:host      GPU 없는 서버 VM   main push 마다 자동
                    테스트·Windows 경로·오디오→자막·포터블 exe
  windows-gpu:host  GPU 달린 머신      수동 실행만
                    CUDA 인식·VRAM 상한·4·5티어·GPU 번역

- windows_smoke.py --gpu
  GPU 있는 머신에서만 의미 있는 항목만 모았다. CUDA 가용성, 앱의 GPU 인식,
  VRAM 상한이 실제로 걸리는지, torch 필요 티어(4·5)가 열리는지, GPU 로 실제
  번역까지. 다른 모드와 달리 **GPU 부재를 치명적 실패로 처리**한다 —
  GPU 를 확인하겠다고 부른 작업이 조용히 통과하면 안 되기 때문이다.

- .gitea/workflows/windows-gpu.yml
  수동 실행 전용. 러너가 없으면 큐에 쌓이기만 하고 아무 일도 없다.
  포터블 CI 와 달리 torch CUDA 빌드를 설치하고, 설치 직후 CPU 빌드가
  깔리지 않았는지 확인한다. nvidia-smi 가 없으면 그 자리에서 멈춘다.

- 문서에 두 러너 구조와 GPU 머신 확보 3가지 방안(서버에 GPU 추가 /
  .9 에서 옮기기 / 필요할 때만 실물 PC) + 슬롯 확인 명령 추가.

검증: pytest 189개 통과, ruff clean, 두 워크플로 파싱·라벨·트리거 확인,
      --gpu 를 torch 없는 환경에서 실행해 의도대로 실패(종료코드 1)하는지 확인

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

.gitea/workflows/windows-gpu.yml

@@ -0,0 +1,72 @@
+# Windows GPU 검증 — GPU 가 달린 러너에서만
+#
+# GPU 는 한 VM 만 독점한다(컨슈머 NVIDIA 는 vGPU 미지원). 그래서 GPU 없는
+# 상시 CI VM(runs-on: windows)에서는 CUDA·VRAM·4~5티어를 확인할 수 없다.
+# 그 항목만 떼어내 별도 라벨로 돌린다.
+#
+# 러너 라벨: windows-gpu:host
+#   - GPU 가 달린 Windows 머신에 등록한다 (두 번째 GPU를 꽂은 VM, 또는 실물 PC)
+#   - 상시로 띄울 필요 없다. 필요할 때만 daemon 을 켜면 된다
+#
+# 그래서 트리거도 **수동 실행만** 이다. 러너가 없으면 큐에 쌓이기만 하고
+# 아무 일도 일어나지 않는다. 자동으로 돌리고 싶으면 push 트리거를 켜면 된다.
+
+name: Windows GPU
+
+on:
+  workflow_dispatch:
+
+jobs:
+  gpu:
+    runs-on: windows-gpu
+    timeout-minutes: 90
+
+    steps:
+      # 라벨이 안 맞으면 Gitea 가 기본 ubuntu 컨테이너로 떨어뜨린다.
+      # GPU 를 확인하겠다고 부른 작업이 엉뚱한 데서 도는 일은 막아야 한다.
+      - name: Windows 인지 확인
+        shell: pwsh
+        run: |
+          Write-Host "RUNNER_OS=$env:RUNNER_OS"
+          if ($env:RUNNER_OS -ne "Windows") {
+            Write-Host "::error::Windows 러너가 아닙니다 ($env:RUNNER_OS)."
+            Write-Host "::error::러너를 'windows-gpu:host' 라벨로 등록했는지 확인하세요."
+            exit 1
+          }
+
+      - name: NVIDIA GPU 가 실제로 보이는지
+        shell: pwsh
+        run: |
+          nvidia-smi --query-gpu=name,memory.total --format=csv,noheader
+          if ($LASTEXITCODE -ne 0) {
+            Write-Host "::error::nvidia-smi 실패 — 이 러너에는 GPU 가 없습니다."
+            exit 1
+          }
+
+      - name: 소스 받기
+        uses: actions/checkout@v4
+
+      # 포터블 CI 와 달리 여기서는 torch CUDA 빌드가 필요하다.
+      # 4~5티어(Seed-X / Qwen3)가 torch 위에서 돌기 때문이다.
+      - name: 의존성 설치 (torch CUDA 포함)
+        shell: pwsh
+        run: |
+          python -m venv .venv-gpu
+          .\.venv-gpu\Scripts\python -m pip install --upgrade pip --quiet
+          .\.venv-gpu\Scripts\python -m pip install torch --index-url https://download.pytorch.org/whl/cu128
+          .\.venv-gpu\Scripts\python -m pip install -r requirements.txt
+          .\.venv-gpu\Scripts\python -c "import torch; assert torch.cuda.is_available(), 'CUDA 안 잡힘 — CPU 빌드가 깔렸는지 확인'; print('CUDA OK:', torch.cuda.get_device_name(0))"
+
+      - name: GPU 전용 점검
+        shell: pwsh
+        env:
+          PYTHONPATH: src
+        run: .\.venv-gpu\Scripts\python packaging\windows_smoke.py --gpu
+
+      - name: 결과물 업로드
+        uses: actions/upload-artifact@v4
+        if: always()
+        with:
+          name: LiveSub-gpu-report
+          path: artifacts/*.txt
+          retention-days: 14

docs/WINDOWS-TESTING.md

@@ -22,9 +22,45 @@ Windows 러너를 하나 붙이면 `main` 에 push할 때(또는 Actions 탭에
 | **오디오 → 한국어 자막 (전 과정)** | ❌ CPU로 됨 | ✅ |
 | CUDA 인식·VRAM 상한 | ✅ | ⚠️ 경고만 (빌드 통과) |
 
-GPU가 필요한 건 마지막 한 줄뿐이고, 그건 **이 서버(.9, 리눅스)에 RTX 5050이
+### GPU가 필요한 테스트는 어떻게 하나
-물려 있어 이미 거기서 검증**하고 있습니다. GPU는 한 VM만 독점할 수 있으니
+
-Windows VM에는 안 주는 게 맞습니다.
+**GPU는 한 VM만 독점합니다.** 컨슈머 NVIDIA는 vGPU/SR-IOV를 지원하지 않아서
+쪼개 쓸 방법이 없습니다. 지금 RTX 5050은 `.9`(리눅스)에 물려 있습니다.
+
+그래서 러너를 **라벨로 둘로 나눠뒀습니다.** 지금은 앞의 것만 있으면 되고,
+나중에 GPU 머신이 생기면 뒤의 것을 붙이기만 하면 됩니다. 워크플로는 이미
+그렇게 짜여 있습니다.
+
+| 러너 라벨 | 어디에 | 언제 도나 | 무엇을 |
+|---|---|---|---|
+| `windows:host` | GPU 없는 서버 VM | `main` push마다 자동 | 테스트·Windows 경로·오디오→자막·exe 빌드 |
+| `windows-gpu:host` | GPU 달린 머신 | **수동 실행만** | CUDA 인식·VRAM 상한·4·5티어·GPU 번역 |
+
+GPU 러너를 상시로 띄울 필요는 없습니다. 필요할 때만 `daemon`을 켜고
+Actions 탭에서 `Windows GPU` → `Run workflow` 하면 됩니다. 러너가 없으면
+큐에 쌓이기만 하고 아무 일도 일어나지 않습니다.
+
+GPU 워크플로는 GPU가 없으면 **분명히 실패합니다.** GPU를 확인하겠다고 부른
+작업이 조용히 통과하면 안 되니까요. `nvidia-smi`가 없으면 그 자리에서 멈춥니다.
+
+#### GPU 머신을 어디서 구하나
+
+다른 프로젝트도 이 러너에서 GPU 테스트를 돌리실 거라면 셋 중 하나입니다.
+
+1. **서버에 GPU 한 장 더** — 가장 깔끔합니다. PCIe 슬롯과 파워 여유만 있으면
+   그 GPU를 Windows VM에 패스스루하고 `windows-gpu` 라벨로 등록하면 끝입니다.
+   이후로는 두 러너가 각자 계속 돕니다.
+2. **RTX 5050을 Windows VM으로 옮기기** — `.9`가 GPU를 포기해야 합니다.
+   `.9`에서 하던 GPU 작업(이미지 생성 등)을 못 하게 되니 득실을 따져보세요.
+3. **필요할 때만 실물 PC에 GPU 러너** — 평소엔 꺼두고 GPU 검증이 필요할 때만
+   켭니다. 수동 실행이라 게임 중에 갑자기 도는 일은 없습니다.
+
+1번이 가능한지는 서버에서 이걸로 확인할 수 있습니다.
+
+```bash
+lspci | grep -i vga          # GPU가 몇 장 꽂혀 있나
+dmidecode -t slot | grep -i "in use"   # 빈 PCIe 슬롯이 있나
+```
 
 ### Proxmox에 Windows VM 만들기
 

packaging/windows_smoke.py

@@ -230,6 +230,83 @@ def run_pipeline_check(timeout_s: int = 900) -> None:
         return f"{line.source_text!r} -> {line.translated_text!r}"
 
 
+# --- GPU 전용 점검 ----------------------------------------------------------
+
+
+def run_gpu_checks() -> None:
+    """GPU 가 있는 머신에서만 의미가 있는 것들.
+
+    GPU 는 한 VM 만 독점하므로(컨슈머 NVIDIA 는 vGPU 미지원) GPU 없는 CI VM
+    에서는 확인할 수 없다. 그래서 별도 러너 라벨(windows-gpu)로 떼어놨다.
+    여기서는 GPU 가 없으면 **분명히 실패**해야 한다 — GPU 를 확인하겠다고
+    부른 작업이 조용히 통과하면 안 된다.
+    """
+    print(f"\n=== GPU 전용 (플랫폼: {sys.platform}) ===")
+
+    @check("CUDA 사용 가능")
+    def _cuda():
+        import torch
+
+        if not torch.cuda.is_available():
+            raise RuntimeError(
+                "torch 가 CUDA 를 못 씁니다. CPU 빌드가 깔렸는지 확인하세요 "
+                "(pip install torch --index-url https://download.pytorch.org/whl/cu128)"
+            )
+        idx = torch.cuda.current_device()
+        free, total = torch.cuda.mem_get_info(idx)
+        return f"{torch.cuda.get_device_name(idx)} · {total / 1024**3:.1f}GB (여유 {free / 1024**3:.1f}GB)"
+
+    @check("앱의 GPU 인식")
+    def _detect():
+        from livesub.models import detect_gpu
+
+        gpu = detect_gpu()
+        if not gpu.available:
+            raise RuntimeError(gpu.reason)
+        return f"{gpu.name} · {gpu.total_vram_mb / 1024:.1f}GB"
+
+    @check("VRAM 상한이 실제로 걸리는지")
+    def _vram():
+        from livesub.models.manager import apply_vram_limit
+
+        if not apply_vram_limit(0.35):
+            raise RuntimeError("상한 적용 실패 — 게임과 같이 쓸 때 VRAM 을 못 막습니다")
+        return "35% 상한 적용됨"
+
+    @check("torch 필요 티어(4·5)가 열리는지")
+    def _tiers():
+        from livesub.models.manager import has_torch, tier_availability
+        from livesub.models.tiers import TIERS, MTBackend
+
+        if not has_torch():
+            raise RuntimeError("torch 없음 — GPU 러너에는 일반 설치가 필요합니다")
+        blocked = [
+            t.name for t in TIERS.values()
+            if t.mt.backend is MTBackend.TRANSFORMERS and not tier_availability(t)[0]
+        ]
+        if blocked:
+            raise RuntimeError(f"막힌 티어: {', '.join(blocked)}")
+        return "정밀·극한 사용 가능"
+
+    @check("GPU 로 실제 번역")
+    def _translate():
+        from livesub.models.glossary import Glossary
+        from livesub.models.packs import build_glossary
+        from livesub.models.tiers import get_tier
+        from livesub.models.translator import create_translator
+
+        tier = get_tier("swift")   # CT2 지만 device=cuda 로 GPU 경로를 탄다
+        translator = create_translator(tier.mt, device="cuda")
+        translator.load()
+        glossary = build_glossary(Glossary(), ["fps-common", "pubg"])
+        out = translator.translate("Enemy coming from the left.", "en", "ko", glossary)
+        if not any("\uac00" <= ch <= "\ud7a3" for ch in out):
+            raise RuntimeError(f"한국어가 아닙니다: {out!r}")
+        ARTIFACTS.mkdir(exist_ok=True)
+        (ARTIFACTS / "gpu-translate.txt").write_text(out + "\n", encoding="utf-8")
+        return repr(out)
+
+
 # --- 빌드된 exe 점검 --------------------------------------------------------
 
 
@@ -269,10 +346,16 @@ def main() -> int:
         "--pipeline", action="store_true",
         help="오디오 파일로 전 파이프라인 점검 (모델을 내려받으므로 느립니다)",
     )
+    parser.add_argument(
+        "--gpu", action="store_true",
+        help="GPU 가 있는 머신에서만 되는 항목 점검 (CUDA·VRAM 상한·4/5티어)",
+    )
     args = parser.parse_args()
 
     if args.exe:
         run_exe_check(args.exe)
+    elif args.gpu:
+        run_gpu_checks()
     elif args.pipeline:
         run_pipeline_check()
     else:
@@ -288,13 +371,15 @@ def main() -> int:
     print(f"\n{len(_results) - len(failed)}/{len(_results)} 통과")
     if failed:
         print("실패:", ", ".join(failed))
-    # 오디오 장치·보조 프로그램은 러너 환경에 따라 없을 수 있어 경고로만 둔다.
+    # 오디오 장치·보조 프로그램·GPU 는 러너 환경에 따라 없을 수 있어 경고로만 둔다.
-    fatal = [n for n in failed if n not in {
+    # 다만 --gpu 로 부른 경우엔 GPU 가 없는 것 자체가 실패다.
+    lenient = {
         "프로그램별 캡처 보조 프로그램",
         "소리 내는 프로그램 열거 (pycaw)",
         "WASAPI 루프백 장치 열거",
         "GPU 인식",
-    }]
+    }
+    fatal = failed if args.gpu else [n for n in failed if n not in lenient]
     return 1 if fatal else 0