vidyo.ai

Vidyo 处理服务 - vidyo.ai

---

内容

• 概述
• 安装
• 数据库架构描述
• 高效的架构设计
• 演示视频

概述

---

这个 Python Web 服务使用 Django 构建，提供视频处理功能，包括音频提取和视频水印。它集成了 FFmpeg 进行媒体处理，并使用 SQLite 数据库来存储有关已处理视频的信息。

安装：

---

本地设置

克隆存储库

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

设置虚拟环境

为了确保您的应用程序有一个干净且隔离的环境，建议使用虚拟环境。设置方法如下：

 cd vidyo.ai
python -m virtualenv venv

激活虚拟环境

• 在 Windows 上：

 venvScriptsactivate

• 在 macOS 和 Linux 上：

 source venv/bin/activate

安装 FFmpeg

• 在 Windows 上：

 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.

• 在 macOS 上：

 brew install ffmpeg

• 在 Linux 上：

 sudo apt install ffmpeg

安装依赖项激活虚拟环境后，使用 pip 和requirements.txt 文件安装所需的依赖项：

 pip install -r requirements.txt

启动应用程序导航到“vidyo”目录，其中包含应用程序代码：

 cd vidyo

运行迁移

 python manage.py migrate

运行以下命令来启动应用程序：

 python manage.py runserver

访问应用程序

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

测试

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

使用 Docker 运行

克隆存储库

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

构建 Docker 镜像

 docker build -t vidyo .

运行 Docker 容器

 docker run -p 8000:8000 vidyo

访问应用程序

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

测试

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

笔记

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

数据库架构描述

该服务使用具有以下表格和字段的 SQLite 数据库来存储有关已处理视频的信息：

视频表 - 此表存储有关音频提取和带水印的视频的信息。

1. user：字符串字段，存储上传视频的用户的用户名。
2. upload_time：DateTime字段，记录视频上传时间。
3. processed_time：记录视频处理完成时的时间戳，记录更新时自动设置为当前时间。
4. processing_type：指示对视频进行的处理类型（“audio_extraction”或“watermarking”）。
5. Original_video_name：存储上传的原始视频文件的名称。
6. processed_video_name：存储已处理的视频或音频文件的名称。这与音频提取和水印功能相关。
7. watermark_image：存储视频水印过程中使用的水印图像的名称。该字段仅适用于水印。
8. watermark_position：表示水印在视频上的位置。该字段仅适用于水印。

附加表：

根据您的应用程序的要求，您可能有其他表，特别是如果我们正在实现用户身份验证、日志记录或其他功能。

数据库设置说明：

设置 Django 项目后，运行以下命令来为数据库架构创建并应用迁移：

 python manage.py makemigrations
python manage.py migrate

高效的架构设计

---

• 负载均衡器：这将是传入视频处理请求的入口点。它将负载均匀分布在服务集群中的多台服务器上，确保没有任何一台服务器被压垮。
• 视频处理服务集群：处理实际视频处理任务的服务器集群。该集群可以水平扩展以增加容量。
• 资源分配管理器：该组件根据任务的性质（CPU 或内存密集型）动态地将任务分配到不同的队列。
• CPU 密集型任务队列和内存密集型任务队列：CPU 密集型任务和内存密集型任务的单独队列。这种分离可以实现更高效的处理。
• CPU 优化服务器和内存优化服务器：针对 CPU 或内存密集型任务进行优化的专用服务器。这确保了每项任务都由最适合其要求的服务器处理。
• 已处理视频的数据库：处理后的视频存储在数据库中。这可能是一个基于云的存储解决方案，具有可扩展性和易于访问性。
• 缓存层：一种缓存机制，可以快速服务频繁请求，减少处理服务器和数据库的负载。
• 客户端响应：将最终处理后的视频或相关数据发送回客户端。

该架构旨在优化资源使用并在高负载下保持响应能力。通过根据资源需求分离任务并使用优化服务器的组合，系统可以有效地处理大量并发视频处理请求。

演示视频

---

vidyo.ai 作业演示视频