Unduh vidyo.ai - Unduh kode sumber vidyo.ai

vidyo.ai

Kode sumber lainnya

Unduh

Layanan Pemrosesan Vidyo - vidyo.ai

Isi

Ringkasan
Instalasi
Deskripsi Skema Basis Data
Desain Arsitektur yang Efisien
Demo Vidyo

Ringkasan

Layanan web Python ini, dibangun menggunakan Django, menyediakan fungsionalitas untuk pemrosesan video, termasuk ekstraksi audio dan penandaan air video. Ini mengintegrasikan FFmpeg untuk pemrosesan media dan menggunakan database SQLite untuk menyimpan informasi tentang video yang diproses.

Instalasi:

Pengaturan Lokal

Kloning Repositori

 git clone https://github.com/gouravmohanty7070/vidyo.ai

Siapkan Lingkungan Virtual

Untuk memastikan lingkungan yang bersih dan terisolasi bagi aplikasi Anda, disarankan untuk menggunakan lingkungan virtual. Inilah cara Anda mengaturnya:

 cd vidyo.ai
python -m virtualenv venv

Mengaktifkan Lingkungan Virtual

Di Windows:

 venvScriptsactivate

Di macOS dan Linux:

 source venv/bin/activate

Instal FFmpeg

Di Windows:

 Download FFmpeg:

Go to the FFmpeg Official Website and download the latest build for Windows.
Extract the Files:

Extract the downloaded ZIP file to a location on your computer (e.g., C:FFmpeg).
Add FFmpeg to the System Path:

Right-click on 'This PC' or 'My Computer' and select 'Properties'.
Click on 'Advanced system settings' and then 'Environment Variables'.
Under 'System Variables', find and select the 'Path' variable, then click 'Edit'.
Click 'New' and add the path to the bin folder inside the extracted FFmpeg folder (e.g., C:FFmpegbin).
Click 'OK' to close all dialog boxes.
Verify the Installation:

Open Command Prompt and type ffmpeg -version to check if FFmpeg is installed correctly.

Di macOS:

 brew install ffmpeg

Di Linux:

 sudo apt install ffmpeg

Instal Dependensi Dengan lingkungan virtual diaktifkan, instal dependensi yang diperlukan menggunakan pip dan file persyaratan.txt:

 pip install -r requirements.txt

Mulai Aplikasi Arahkan ke direktori "vidyo", yang berisi kode aplikasi:

 cd vidyo

Jalankan Migrasi

 python manage.py migrate

Jalankan perintah berikut untuk memulai aplikasi:

 python manage.py runserver

Akses Aplikasi

 Open your web browser and go to http://127.0.0.1:8000/

Pengujian

 Use tools like Postman or cURL to test the API endpoints.

Berjalan dengan Docker

Kloning Repositori

 git clone https://github.com/gouravmohanty7070/vidyo.ai
cd vidyo.ai

Bangun Gambar Docker

 docker build -t vidyo .

Jalankan wadah Docker

 docker run -p 8000:8000 vidyo

Akses Aplikasi

 Open your web browser and go to http://localhost:8000

Pengujian

 Use tools like Postman or cURL to test the API endpoints.

Catatan

 Audio Extraction Endpoint: POST /extract-audio
Video Watermarking Endpoint: POST /watermark-video

Deskripsi Skema Basis Data

Layanan ini menggunakan database SQLite dengan tabel dan bidang berikut untuk menyimpan informasi tentang video yang diproses:

Tabel Video - Tabel ini menyimpan informasi tentang video yang diekstraksi audio dan diberi tanda air.

pengguna: Bidang string yang menyimpan nama pengguna pengguna yang mengunggah video.
upload_time: Bidang DateTime untuk mencatat waktu upload video.
waktu_proses: Merekam stempel waktu saat pemrosesan video selesai, secara otomatis disetel ke waktu saat ini ketika rekaman diperbarui.
tipe_pemrosesan: Menunjukkan jenis pemrosesan yang dilakukan pada video ('audio_extraction' atau 'watermarking').
original_video_name: Menyimpan nama file video asli yang diupload.
nama_video_diproses: Menyimpan nama file video atau audio yang diproses. Ini relevan untuk fungsi ekstraksi audio dan watermarking.
watermark_image: Menyimpan nama gambar watermark yang digunakan dalam proses watermarking video. Bidang ini hanya berlaku untuk watermarking.
watermark_position : Menunjukkan posisi watermark pada video. Bidang ini hanya berlaku untuk watermarking.

Tabel Tambahan:

Bergantung pada kebutuhan aplikasi Anda, Anda mungkin memiliki tabel tambahan, terutama jika kami menerapkan otentikasi pengguna, pembuatan log, atau fitur lainnya.

Petunjuk Pengaturan Basis Data:

Setelah menyiapkan proyek Django Anda, jalankan perintah berikut untuk membuat dan menerapkan migrasi untuk skema database Anda:

 python manage.py makemigrations
python manage.py migrate

Desain Arsitektur yang Efisien

Load Balancer : Ini akan menjadi titik masuk untuk permintaan pemrosesan video yang masuk. Ini mendistribusikan beban secara merata ke beberapa server di kluster layanan, memastikan tidak ada satu server pun yang kewalahan.
Cluster Layanan Pemrosesan Video: Sekelompok server yang menangani tugas pemrosesan video sebenarnya. Cluster ini dapat diskalakan secara horizontal untuk meningkatkan kapasitas.
Resource Allocation Manager: Komponen ini secara dinamis mengalokasikan tugas ke antrian yang berbeda berdasarkan sifat tugas (intensif CPU atau memori).
Antrean Tugas Intensif CPU & Antrean Tugas Intensif Memori: Pisahkan antrean untuk tugas yang intensif CPU dan tugas yang intensif memori. Pemisahan ini memungkinkan pemrosesan yang lebih efisien.
Server yang Dioptimalkan CPU & Server yang Dioptimalkan Memori: Server khusus yang dioptimalkan untuk tugas-tugas intensif CPU atau memori. Hal ini memastikan bahwa setiap tugas ditangani oleh server yang paling sesuai dengan kebutuhannya.
Basis Data untuk Video yang Diproses: Setelah diproses, video disimpan dalam basis data. Ini bisa menjadi solusi penyimpanan berbasis cloud untuk skalabilitas dan kemudahan akses.
Lapisan Cache: Mekanisme caching untuk melayani permintaan yang sering dengan cepat, mengurangi beban pada server pemrosesan dan database.
Respons Klien: Video akhir yang diproses atau data relevan dikirim kembali ke klien.

Arsitektur ini dirancang untuk mengoptimalkan penggunaan sumber daya dan menjaga daya tanggap pada beban tinggi. Dengan memisahkan tugas berdasarkan kebutuhan sumber dayanya dan menggunakan gabungan server yang dioptimalkan, sistem dapat menangani sejumlah besar permintaan pemrosesan video secara bersamaan secara efisien.