red-future/media

Fork 0

Files

T

lmk 7d4ac82334 视频剪辑和处理

2026-06-22 09:18:45 +08:00

9.4 KiB

Raw Permalink Blame History

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

Commands

# 下载依赖
go mod download

# 编译
go build -o media main.go

# 运行（开发）
go run main.go

# 格式化代码
go fmt ./...

# 代码检查
go vet ./...

# Docker 构建（多阶段构建，包含 FFmpeg 和 whisper 运行时）
docker build -t media .

# Docker 运行
docker run -p 3010:3010 media

Architecture

这是一个多媒体处理微服务项目，基于 GoFrame 框架开发，提供视频处理、音频提取、语音识别、字幕叠加等功能。

目录结构

main.go                 # 应用入口，注册所有 Controller 路由
config.yml              # 配置文件
consts/                 # 常量定义
controller/             # HTTP 控制器层（路由入口）
  - audio/              # 音频提取接口
  - video/              # 视频相关接口（拼接、剪切、分析、合并、字幕、转码、场景分割）
  - common/             # 公共工具（文件上传保存）
service/               # 业务逻辑层
  - video/             # 视频服务（拼接、剪切、分析、合并混音、字幕叠加、转码、场景分割）
  - audio/             # 音频提取服务
  - asr/               # 语音识别服务
  - scene/             # 场景检测服务
  - image/             # 图片处理服务
  - setup/             # 初始化服务（自动检查/安装依赖）
dao/                   # 数据访问层
model/                 # 数据模型
  - dto/               # 传输对象（请求/响应）
  - entity/            # 数据库实体
resource/              # 静态资源（日志、临时文件）
sql/                   # 数据库建表 SQL
scripts/               # 外部脚本（scene_detect.py）

核心功能

功能	说明	依赖
视频拼接	支持多视频拼接，提供 fast（无损 concat demuxer）和 reencode（重编码归一化）两种模式，可上传结果到 MinIO，支持同步和异步任务	FFmpeg
视频分镜剪切	根据分镜时间片段列表剪切视频并重新拼接输出，支持同步和异步任务	FFmpeg
视频拼接+混音	拼接多段视频后混入音频（支持多段），以视频时长为准自动补静音或截断，异步任务	FFmpeg
字幕叠加	使用 HyperFrames 将字幕/图片/动画元素渲染叠加到视频上，自动检测分辨率、拼接多视频、消音、降噪，异步任务	FFmpeg + HyperFrames (npm)
场景分割	使用 PySceneDetect 自动检测视频场景切分点，按场景分割为独立片段并上传，异步任务	FFmpeg + Python3 + PySceneDetect
视频转码	将视频转码为 H.264 + AAC + MP4 + faststart（MOOV前置），同步接口	FFmpeg
音频提取	从视频文件中提取音频，支持 mp3/aac/wav/ogg/flac 多种格式	FFmpeg
语音识别	异步语音转文字任务，基于 OpenAI Whisper	FFmpeg + Whisper
视频分析	调用外部 Marlin-2B VLM 服务对视频进行理解分析，生成场景描述和事件切分，支持 mock 模式，异步串行处理	FFmpeg + 外部 VLM 服务

启动初始化

setup 包在 init() 阶段自动执行，启动时自动检查并安装缺失依赖
检查项：FFmpeg、Python3、PySceneDetect（scenedetect）、HyperFrames（npm 全局包）
每个依赖都按平台自动安装（macOS: brew, Linux: apt/apk/yum, Windows: winget/choco/scoop）
Docker 容器环境自动检测，跳过 sudo

API 端点

视频拼接：

POST /video/concat - 视频拼接（URL 输入，同步）
POST /video/concat/async - 视频拼接（URL 输入，异步）
POST /video/concat/upload - 视频拼接（文件上传，同步）
POST /video/concat/upload/async - 视频拼接（文件上传，异步）
GET /video/concat/task/{taskId} - 查询异步拼接任务结果

视频分镜剪切：

POST /video/cut - 视频分镜剪切（URL 输入，同步）
POST /video/cut/async - 视频分镜剪切（URL 输入，异步）
GET /video/cut/task/{taskId} - 查询异步剪切任务结果

视频拼接+混音：

POST /video/merge/async - 创建拼接混音异步任务
GET /video/merge/task/{taskId} - 查询任务结果

字幕叠加：

POST /video/caption - 创建字幕叠加异步任务
GET /video/caption/{taskId} - 查询任务结果

场景分割：

POST /video/scene-split - 创建场景分割异步任务
GET /video/scene-split/task/{taskId} - 查询任务结果

视频转码：

POST /video/transcode - 上传视频并转码为 H.264+AAC+MP4（同步）

视频分析：

POST /video/analysis - 创建视频分析异步任务
GET /video/analysis/task/{taskId} - 查询分析任务结果

语音识别：

POST /audio/transcribe - 创建语音转文字异步任务
GET /audio/task/{taskId} - 获取转写任务详情
GET /audio/task/{taskId}/progress - 获取任务进度
GET /audio/tasks - 获取任务列表

依赖外部服务

PostgreSQL - 数据存储
Redis - 缓存
Consul - 服务发现
Jaeger - 链路追踪
OSS/MinIO - 文件存储（通过内部 oss 微服务 oss/file/uploadFile 接口上传）
FFmpeg + ffprobe - 多媒体处理
Whisper - 语音识别
HyperFrames (npm) - HTML/GSAP 视频渲染引擎，用于字幕叠加
PySceneDetect - Python 场景检测库
Marlin-2B VLM 服务 - 视频理解大模型（分析功能使用）

内部依赖

项目依赖内部私有公共包 gitea.redpowerfuture.com/red-future/common，包含 HTTP 路由注册（http.RouteRegister）、用户信息解析（beans.User）、Consul、Jaeger 等基础设施封装。Docker 构建过程中已配置访问凭证。

Docker 镜像

多阶段构建镜像包含：

编译后的二进制
FFmpeg 运行时
Python 3 + openai-whisper（Python 版本，用于语音识别）
非 root 用户 appuser 运行
暴露端口 3010

架构设计

分层架构：

controller - HTTP 入口，参数解析，调用 Service，返回响应
service - 业务逻辑实现，每个功能领域一个子包
dao - 数据访问层，数据库 CRUD 操作
model - 数据模型，dto 存放请求/响应传输对象，entity 存放数据库实体

设计模式：

使用 GoFrame 框架的依赖注入模式
所有 Service 和 Controller 都使用单例模式（var Xxx = new(xxxStruct)）
路由注册在 main.go 中通过 http.RouteRegister 集中管理
临时文件处理完需要及时清理（使用 defer os.Remove() 或 defer os.RemoveAll()）

异步任务处理：

长时任务（拼接、剪切、合并混音、字幕叠加、场景分割、语音识别、视频分析）都支持异步执行
同步模式直接等待结果返回，异步模式创建任务后立即返回任务 ID
异步任务状态持久化到数据库，可通过任务 ID 查询进度和结果
支持回调 URL，任务完成后 POST 回调通知调用方，携带 X-User-Info 头透传用户信息
任务执行使用 goroutine 异步处理，通过 recover 捕获 panic 并更新为失败状态
视频拼接+混音使用信号量控制并发（通过 merge.concurrency 配置）

用户身份：

所有接口优先从请求头 Authorization / X-User-Info 解析用户信息
解析失败使用默认 admin / tenantId=1 用于开发和调试
异步任务通过 context.WithValue 将用户信息传递给 goroutine

Service 层共享工具函数（service/video 包内）：

getUserFromCtx(ctx) - 从 context 提取用户信息
downloadFile(ctx, url, dir) - 下载远程文件到本地
uploadToMinIO(ctx, localPath) - 通过 OSS 微服务上传文件到 MinIO
lookupFFmpegPath() - 查找 FFmpeg 可执行文件路径（优先配置路径，回退系统 PATH）
getVideoResolution(ctx, path) - 用 ffprobe 获取视频分辨率
getVideoRealDuration(ctx, path) - 用 ffprobe 获取视频时长（float64秒）
getVideoDurationStr(ctx, path) - 获取视频时长可读字符串（m:ss格式）
cleanupFiles(paths) - 批量清理临时文件

配置

主要配置在 config.yml:

Server:

server.address - 监听地址（默认 :3010）
server.clientMaxBodySize - 上传文件大小限制（默认 200MB）

限流：

rate.limit - 每秒请求限制（默认 200）
rate.burst - 突发请求允许量（默认 300）

FFmpeg:

ffmpeg.path - FFmpeg 可执行文件路径，留空则从 PATH 自动查找
ffmpeg.temp_dir - 临时文件目录（存放上传的视频和处理输出）

视频分析:

analysis.video_dir - 视频永久存储目录（按 taskId 子目录组织）
analysis.caption_url - Caption 接口地址
analysis.caption_timeout - 单次调用超时（默认 30m）
analysis.max_new_tokens - 传递给 Caption 接口的参数
analysis.mock_caption - 是否启用 mock 模式（true: 返回模拟数据，false: 真实调用）

视频拼接+混音:

merge.concurrency - 并发数控制（默认 1，串行处理）

HyperFrames 字幕叠加:

hyperframes.render_timeout - 渲染超时时间（分钟，默认 30）
hyperframes.headless - 是否启用 headless 模式（默认 true）

外部服务:

database - PostgreSQL 数据库配置
redis - Redis 配置
consul - Consul 服务发现配置
jaeger - Jaeger 链路追踪配置
filePrefix - OSS/MinIO 文件访问地址前缀

9.4 KiB Raw Permalink Blame History Unescape Escape