vidyo.ai

Vidyo 処理サービス - vidyo.ai

---

コンテンツ

• 概要
• インストール
• データベーススキーマの説明
• 効率的なアーキテクチャ設計
• デモビデオ

概要

---

この Python Web サービスは、Django を使用して構築されており、音声抽出やビデオ透かしなどのビデオ処理機能を提供します。メディア処理のために FFmpeg を統合し、SQLite データベースを使用して処理されたビデオに関する情報を保存します。

インストール:

---

ローカルセットアップ

リポジトリのクローンを作成する

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

仮想環境のセットアップ

アプリケーションにクリーンで隔離された環境を確保するには、仮想環境を使用することをお勧めします。設定方法は次のとおりです。

 cd vidyo.ai
python -m virtualenv venv

仮想環境のアクティブ化

• Windows の場合:

 venvScriptsactivate

• macOS および Linux の場合:

 source venv/bin/activate

FFmpegをインストールする

• Windows の場合:

 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.

• macOS の場合:

 brew install ffmpeg

• Linux の場合:

 sudo apt install ffmpeg

依存関係のインストール 仮想環境をアクティブ化したら、pip とrequirements.txt ファイルを使用して必要な依存関係をインストールします。

 pip install -r requirements.txt

アプリケーションの開始 「vidyo」ディレクトリに移動します。このディレクトリには、アプリケーション コードが含まれています。

 cd vidyo

移行の実行

 python manage.py migrate

次のコマンドを実行してアプリケーションを起動します。

 python manage.py runserver

アプリケーションにアクセスする

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

テスト

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

Docker で実行する

リポジトリのクローンを作成する

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

Docker イメージを構築する

 docker build -t vidyo .

Dockerコンテナを実行する

 docker run -p 8000:8000 vidyo

アプリケーションにアクセスする

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

テスト

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

注記

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

データベーススキーマの説明

このサービスは、次のテーブルとフィールドを持つ SQLite データベースを使用して、処理されたビデオに関する情報を保存します。

ビデオ テーブル - このテーブルには、オーディオ抽出ビデオと透かし入りビデオの両方に関する情報が保存されます。

1. user: ビデオをアップロードしたユーザーのユーザー名を格納する文字列フィールド。
2. Upload_time: ビデオのアップロード時間を記録する DateTime フィールド。
3. 処理済み_時間: ビデオ処理が完了したときのタイムスタンプを記録し、記録が更新されると現在時刻に自動的に設定されます。
4. process_type: ビデオに対して行われた処理のタイプ (「audio_extraction」または「watermarking」) を示します。
5. original_video_name: アップロードされた元のビデオ ファイルの名前を保存します。
6. Processed_video_name: 処理されたビデオまたはオーディオ ファイルの名前を保存します。これは、オーディオ抽出と透かし機能の両方に関係します。
7. Watermark_image: ビデオの透かし処理で使用される透かし画像の名前を保存します。このフィールドは透かしの場合にのみ適用されます。
8. Watermark_position: ビデオ上のウォーターマークの位置を示します。このフィールドは透かしの場合にのみ適用されます。

追加のテーブル:

アプリケーションの要件に応じて、特にユーザー認証、ログ記録、またはその他の機能を実装している場合は、追加のテーブルが必要になる場合があります。

データベースのセットアップ手順:

Django プロジェクトを設定した後、次のコマンドを実行してデータベース スキーマの移行を作成して適用します。

 python manage.py makemigrations
python manage.py migrate

効率的なアーキテクチャ設計

---

• ロード バランサー : これは、受信ビデオ処理リクエストのエントリ ポイントになります。これにより、サービス クラスター内の複数のサーバーに負荷が均等に分散され、単一のサーバーが過負荷になることがなくなります。
• ビデオ処理サービス クラスター: 実際のビデオ処理タスクを処理するサーバーのクラスター。このクラスターは水平方向に拡張して容量を増やすことができます。
• リソース割り当てマネージャー: このコンポーネントは、タスクの性質 (CPU またはメモリ集中型) に基づいて、タスクをさまざまなキューに動的に割り当てます。
• CPU 集中型タスク キューとメモリ集中型タスク キュー: CPU 集中型タスクとメモリ集中型タスクのキューを分けます。この分離により、より効率的な処理が可能になります。
• CPU 最適化サーバーとメモリ最適化サーバー: CPU またはメモリを大量に使用するタスク用に最適化された専用サーバー。これにより、各タスクがその要件に最も適したサーバーによって処理されることが保証されます。
• 処理されたビデオのデータベース: 処理後、ビデオはデータベースに保存されます。これは、拡張性とアクセスのしやすさを実現するクラウドベースのストレージ ソリューションとなる可能性があります。
• キャッシュ層: 頻繁なリクエストに迅速に対応し、処理サーバーとデータベースの負荷を軽減するキャッシュ メカニズム。
• クライアントの応答: 最終的に処理されたビデオまたは関連データがクライアントに送り返されます。

このアーキテクチャは、リソースの使用を最適化し、高負荷下でも応答性を維持するように設計されています。リソース要件に基づいてタスクを分離し、最適化されたサーバーを組み合わせて使用​​することにより、システムは大量の同時ビデオ処理リクエストを効率的に処理できます。

デモビデオ

---

vidyo.ai 割り当てのデモビデオ