194 lines
7.7 KiB
Markdown
194 lines
7.7 KiB
Markdown
# CLAUDE.md
|
||
|
||
This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.
|
||
|
||
## Commands
|
||
|
||
```bash
|
||
# 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、语音识别等功能。
|
||
|
||
### 目录结构
|
||
|
||
```
|
||
main.go # 应用入口
|
||
config.yml # 配置文件
|
||
consts/ # 常量定义
|
||
- video/ # 视频相关常量（包括视频分析任务状态）
|
||
controller/ # HTTP 控制器层（路由入口）
|
||
- audio/ # 音频相关接口
|
||
- video/ # 视频相关接口（拼接、剪切、分析）
|
||
- common/ # 公共工具
|
||
- scene/ # 场景检测接口
|
||
- image/ # 图片处理接口
|
||
service/ # 业务逻辑层
|
||
- video/ # 视频服务（拼接、剪切、分析、分析队列）
|
||
- audio/ # 音频提取服务
|
||
- asr/ # 语音识别（Whisper）
|
||
- scene/ # 场景检测
|
||
- image/ # 图片处理
|
||
- setup/ # 初始化服务
|
||
dao/ # 数据访问层
|
||
- audio/ # ASR 任务数据访问
|
||
- video/ # 视频分析任务数据访问
|
||
- image/
|
||
model/ # 数据模型
|
||
- dto/ # 传输对象（请求/响应）
|
||
- video/ # 视频相关 DTO（包括视频分析）
|
||
- entity/ # 数据库实体
|
||
- video/ # 视频相关实体（包括分析任务）
|
||
resource/ # 静态资源（日志、临时文件）
|
||
sql/ # 数据库 SQL
|
||
- video_analysis_task.sql - 视频分析任务表建表SQL
|
||
```
|
||
|
||
### 核心功能
|
||
|
||
| 功能 | 说明 | 依赖 |
|
||
|------|------|------|
|
||
| 视频拼接 | 支持多个视频拼接，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 |
|
||
| 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，支持 whisper.cpp 加速 | FFmpeg + Whisper/whisper.cpp |
|
||
| 场景检测 | 视频场景切分检测，提取关键帧，输出场景信息 | FFmpeg + ffprobe |
|
||
| 视频分析 | 基于 Marlin-2B Video VLM 大模型进行视频理解，自动生成场景描述、事件切分和向量化，存入 RAG 系统 | FFmpeg + 外部 Marlin-2B VLM 服务 |
|
||
|
||
### 启动初始化
|
||
|
||
- `setup` 包在 `init()` 阶段自动执行，启动时会检查 FFmpeg 和 Whisper 依赖是否可用
|
||
- 自动检测 whisper-cpp > whisper > python -m whisper 三个优先级
|
||
- 如果依赖缺失会输出警告提示安装
|
||
|
||
### 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
|
||
|
||
**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
|
||
|
||
**视频分析（规划中）：**
|
||
- `POST /video/analysis` - 创建视频分析异步任务（基于 Marlin-2B VLM）
|
||
- `GET /video/analysis/task/{taskId}` - 查询分析任务结果
|
||
- `GET /video/analysis/task/{taskId}/progress` - 查询分析任务进度
|
||
- `POST /video/analysis/retry/{taskId}` - 重试失败的分析事件
|
||
|
||
> **Note**: `scene` 场景检测和 `image` 图片处理服务目录已创建，但 HTTP 端点尚未实现暴露。音频提取服务已实现但尚未暴露。
|
||
|
||
### 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 微服务上传）
|
||
- FFmpeg - 多媒体处理
|
||
- Whisper - 语音识别
|
||
- Marlin-2B VLM 服务 - 视频理解大模型（提供字幕生成、事件定位功能）
|
||
|
||
### 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、用户信息解析、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)`）
|
||
- 遵循标准的 Go 命名约定
|
||
- 临时文件处理完需要**及时清理**（使用 `defer os.Remove()`）
|
||
|
||
**异步任务处理：**
|
||
- 长时任务（视频拼接、视频剪切、语音识别）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，任务完成后会回调通知调用方
|
||
- 任务执行使用 goroutine 异步处理
|
||
|
||
**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
|
||
|
||
### 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）
|
||
|
||
**Whisper 语音识别:**
|
||
- `whisper.path` - Whisper 可执行文件路径，留空自动查找
|
||
- `whisper.model` - 默认模型（tiny(最快)/base/small/medium）
|
||
- `whisper.language` - 默认语言（zh=中文, en=英文）
|
||
- `whisper.model_dir` - 模型缓存目录，留空使用默认 (~/.cache/whisper/)
|
||
- `whisper.threads` - CPU 线程数（限制资源占用，建议 2-4）
|
||
|
||
**视频分析:**
|
||
- `analysis.concurrency` - 并发处理数，控制同时处理的分析任务数量（默认 1，串行处理，建议不超过 CPU 核心数）
|
||
- `analysis.maxRetries` - 单事件最大重试次数，失败时自动重试（默认 3）
|
||
|
||
**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 |