Saya mengubah GPU mati menjadi encoder perangkat keras, dan itu sempurna untuk NAS saya

Saya cukup baru dalam menjalankan TrueNAS di rumah, setelah hampir satu dekade menggunakan kotak Synology. Saya sudah melampaui ekosistem yang terkunci, dan keputusan bisnis baru-baru ini kurang menyenangkan, jadi saya sekarang memiliki server rumah yang kuat dengan TrueNAS yang divirtualisasikan di atas host Proxmox. Hal ini memberi saya yang terbaik dari keduanya, sekaligus memungkinkan praktik pencadangan yang menjaga VM dan data drive tetap aman dari semua kegagalan kecuali kegagalan terburuk.

Saya juga punya berbagai macam perangkat keras PC yang telah dikumpulkan selama bertahun-tahun, sebagian masih berfungsi dan sebagian lagi dalam kondisi rusak. Itu termasuk tumpukan GPU, dan salah satunya tidak lagi mengeluarkan sinyal melalui output tampilan. Namun, ia masih menyala, dan saya mencoba memikirkan apa yang harus dilakukan dengannya sampai saya menyadari bahwa ia bisa menjadi monster transcoding untuk NAS saya.

Output tampilan saya berhenti berfungsi suatu hari

Untungnya, menjalankan server tanpa kepala tidak memerlukan apa pun

GPU yang dimaksud adalah Nvidia GeForce RTX 5060 Ti, jadi cukup baru sehingga tidak ada masalah apa pun, kecuali memang ada. Tadinya saya akan menggunakannya untuk membangun sistem SFF yang akan diletakkan di samping TV untuk bermain game, namun mimpi itu hilang. Tidak adanya sinyal dari keluaran layar bukanlah sesuatu yang pernah saya alami sebelumnya, tapi mungkin rusak saat transit, karena tidak ada dalam kemasan aslinya.

Namun dengan memasukkannya ke server saya dan menggunakan PCIe pass-through untuk menyalurkan GPU ke TrueNAS VM saya, saya masih dapat memanfaatkan inti CUDA untuk penggunaan TV. Mereka dapat duduk diam sampai saya menonton sesuatu yang resolusinya terlalu tinggi atau memiliki trek audio 7.1 yang memerlukan downmixing untuk streaming di jaringan saya, dan kemudian langsung beraksi.

Saya dapat menggunakannya untuk kebutuhan server rumah lainnya, seperti meningkatkan gambar, mengkategorikan dan menandai aliran foto saya yang tidak terorganisir, dan menjalankan Moonlight dan Sunshine untuk streaming game jarak jauh. Intinya, hanya karena GPU tidak memiliki output tampilan dari portnya, bukan berarti tidak bisa digunakan untuk tugas lain.

Menggunakan GPU untuk transcoding di Jellyfin

Atau hal lain yang memerlukan alur kerja yang dipercepat

Menggunakan GPU untuk transcoding di Jellyfin (atau platform media self-host lainnya yang dapat menggunakan akselerasi perangkat keras) masuk akal, apa pun generasinya. Namun, Anda tetap ingin menggunakan yang berdaya relatif rendah karena transcoding tidak memerlukan perangkat andalan, dan Anda hanya akan membuang-buang biaya listrik.

Dan untuk kasus penggunaan tersebut, kartu Nvidia seri 50 ini sempurna, karena mendukung semua codec video terbaru, termasuk HEVC dan AV1. Tidak memiliki keluaran tampilan tidak menjadi masalah dalam hal ini karena tetap berada di server tanpa kepala, dan file video dikirim melalui jaringan ke klien Jellyfin di Apple TV 4K untuk ditampilkan.

TGP 180W pada RTX 5060 Ti agak tinggi untuk transcoding saja, tetapi sebagian besar waktu akan berhenti pada satu digit, jadi saya tidak terlalu khawatir. Jika saya tidak menggunakan Jellyfin pada saat itu, saya dapat menggunakannya untuk pemrosesan CCTV melalui Frigate, atau mengkode ulang file video untuk pemutaran seluler, atau sejumlah tugas server rumah lainnya yang akan diselesaikan oleh akselerasi perangkat keras dalam waktu singkat.

Atau saya bisa menggunakannya untuk AI

RTX 5060 Ti mungkin bukan GPU yang paling menakjubkan dalam hal performa, tetapi model ini memiliki VRAM 16 GB, yang sempurna untuk banyak model LLM yang dioptimalkan. GDDR7 yang lebih cepat juga akan memberikan beberapa peningkatan kinerja dibandingkan GPU lama, dan itu sebelum menghubungkan beberapa server MCP untuk hasil yang lebih baik lagi.

Menambahkan Qwen3 ke SearXNG, misalnya, memberi model AI lokal saya akses ke hal terpenting — internet. Hal ini memperluas kegunaannya melewati “batas pengetahuan”, alias data terakhir yang digunakan untuk melatih model. Model online yang lebih besar seperti GPT-5 atau Gemini 2.5 Pro mungkin memiliki data pelatihan yang jauh lebih baru, dan data awal yang jauh lebih banyak. SearXNG mengurangi kesenjangan, menjadikan LLM lokal, pribadi, (kebanyakan) aman saya lebih berguna ketika saya mengajukan pertanyaan atau mengajukan pertanyaan.

GPU saya masih berguna, meski tanpa port yang berfungsi

Terlalu mudah untuk berpikir bahwa karena bagian dari perangkat keras PC berhenti berfungsi, maka perangkat tersebut tidak berguna lagi. Saya tentu mengira RTX 5060 Ti ini sudah berakhir ketika keluaran layar berhenti berfungsi, karena tidak dapat lagi digunakan untuk bermain game atau mengeluarkan grafik, dan memperbaikinya mungkin akan memakan biaya lebih banyak daripada biaya kartu baru. Namun NAS saya tidak memerlukan output tampilan seperti yang dilakukan melalui GUI web, dan kekuatan pengkodean kartu Nvidia membuatnya dapat hidup, mentranskode aliran media saya, dan menjalankan kueri LLM.