vidyo.ai

Vidyo 處理服務 - vidyo.ai

---

內容

• 概述
• 安裝
• 資料庫結構定義
• 高效率的架構設計
• 示範影片

概述

---

這個 Python Web 服務使用 Django 構建，提供視訊處理功能，包括音訊提取和視訊浮水印。它整合了 FFmpeg 進行媒體處理，並使用 SQLite 資料庫來儲存有關已處理影片的資訊。

安裝：

---

本地設定

克隆儲存庫

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

設定虛擬環境

為了確保您的應用程式有一個乾淨且隔離的環境，建議使用虛擬環境。設定方法如下：

 cd vidyo.ai
python -m virtualenv venv

啟動虛擬環境

• 在 Windows 上：

 venvScriptsactivate

• 在 macOS 和 Linux 上：

 source venv/bin/activate

安裝 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

安裝依賴項啟動虛擬環境後，使用 pip 和requirements.txt 檔案安裝所需的依賴項：

 pip install -r requirements.txt

啟動應用程式導航到“vidyo”目錄，其中包含應用程式程式碼：

 cd vidyo

運行遷移

 python manage.py migrate

執行以下命令來啟動應用程式：

 python manage.py runserver

訪問應用程式

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

測試

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

使用 Docker 運行

克隆儲存庫

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

建置 Docker 映像

 docker build -t vidyo .

運行 Docker 容器

 docker run -p 8000:8000 vidyo

訪問應用程式

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

測試

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

筆記

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

資料庫結構定義

該服務使用具有以下表格和欄位的 SQLite 資料庫來儲存有關已處理視訊的資訊：

視訊表 - 此表儲存有關音訊提取和帶有浮水印的視訊的資訊。

1. user：字串字段，儲存上傳影片的使用者的使用者名稱。
2. upload_time：DateTime字段，錄製影片上傳時間。
3. processed_time：記錄視訊處理完成時的時間戳，記錄更新時自動設定為目前時間。
4. processing_type：指示對影片進行的處理類型（「audio_extraction」或「watermarking」）。
5. Original_video_name：儲存上傳的原始影片檔案的名稱。
6. processed_video_name：儲存已處理的視訊或音訊檔案的名稱。這與音訊提取和水印功能有關。
7. watermark_image：儲存視訊浮水印過程中所使用的浮水印影像的名稱。此欄位僅適用於浮水印。
8. watermark_position：表示水印在影片上的位置。此欄位僅適用於浮水印。

附加表：

根據您的應用程式的要求，您可能有其他表，特別是如果我們正在實現使用者身份驗證、日誌記錄或其他功能。

資料庫設定說明：

設定 Django 專案後，執行以下命令為資料庫架構建立並套用遷移：

 python manage.py makemigrations
python manage.py migrate

高效率的架構設計

---

• 負載平衡器：這將是傳入視訊處理請求的入口點。它將負載均勻分佈在服務叢集中的多台伺服器上，確保沒有任何一台伺服器被壓垮。
• 視訊處理服務集群：處理實際視訊處理任務的伺服器叢集。該集群可以水平擴展以增加容量。
• 資源分配管理器：此元件根據任務的性質（CPU 或記憶體密集）動態地將任務分配到不同的佇列。
• CPU 密集型任務佇列和記憶體密集型任務佇列：CPU 密集型任務和記憶體密集型任務的單獨佇列。這種分離可以實現更有效率的處理。
• CPU 最佳化伺服器和記憶體最佳化伺服器：針對 CPU 或記憶體密集型任務進行最佳化的專用伺服器。這確保了每項任務都由最適合其要求的伺服器處理。
• 已處理影片的資料庫：處理後的影片儲存在資料庫中。這可能是基於雲端的儲存解決方案，具有可擴展性和易於存取性。
• 快取層：一種快取機制，可以快速服務頻繁地請求，減少處理伺服器和資料庫的負載。
• 客戶端回應：將最終處理後的影片或相關資料傳送回客戶端。

該架構旨在優化資源使用並在高負載下保持響應能力。透過根據資源需求分離任務並使用最佳化伺服器的組合，系統可以有效地處理大量並發視訊處理請求。

示範影片

---

vidyo.ai 作業示範視頻