High-performance audio beat detection API and Web UI for automated Reels/TikTok editing. Built with Rust, Axum, and Vue 3.
Analyzer is using Spectral Flux на FFT + RMS Energy + adaptive threshold + histogram BPM calculation.
Also hardcoded Down-Beats range is from 3 to 7.
Open-source сервис для автоматического обнаружения битов (Beat Detection) и анализа ритма аудиодорожек. Проект решает главную боль видеомонтажеров и рилс-мейкеров: ручной поиск пиков громкости и смены ритма на таймлайне. Система анализирует трек и возвращает точные таймкоды битов (Onsets), которые можно использовать для автоматической склейки видео под музыку в CapCut, Premiere Pro или через кастомные API-скрипты.
💡 Бизнес-кейс: Проект создан для автоматизации монтажа лидогенерирующих роликов (формат "Хук → Эмоция → Продукт → CTA") под динамичную музыку, что кратно ускоряет производство контента для e-commerce и SMM.
- ⚡ Blazing Fast: Написан на Rust. Обработка трека занимает миллисекунды, без задержек Garbage Collector.
- 🎵 Точный анализ: Использование DSP-алгоритмов (Energy-based detection, Spectral Flux) для поиска Onsets и расчета BPM.
- 🖥️ Интерактивный UI: Визуализация аудио-волны (waveform) с маркерами битов на Vue 3. Возможность ручного редактирования (Human-in-the-loop).
- 📤 Экспорт в NLE: Скачивание результатов в JSON, SRT, CSV, а также Premiere Pro EDL / Final Cut XML.
- 🔌 RESTful API: Готовый бэкенд для интеграции в сторонние видеоредакторы и AI-пайплайны.
| Компонент | Технология | Назначение |
|---|---|---|
| Backend | Rust, Axum | Асинхронный HTTP-сервер, DSP-обработка аудио |
| Frontend | Vue 3, TypeScript | Адаптивный SPA-интерфейс, Canvas-рендеринг волны |
| Database | SQLite (WAL mode) | Хранение пользователей, истории анализов, кэш |
| Infrastructure | Docker, Docker Compose | Контейнеризация и быстрое развертывание |
Благодаря оптимизации на Rust, сервису не требуется GPU или мощные серверы.
- RAM: 4 GB (рекомендуется)
- CPU: 2 ядра (x86_64 или ARM)
- Disk: 500 MB свободного места
Для запуска через Docker (Рекомендуется):
- Docker Engine 20.10+
- Docker Compose v2+
Для локальной разработки (Local Dev):
- Rust
1.97+(rustc, cargo) - Node.js
18+(для сборки Vue 3 фронтенда) - FFmpeg (опционально, для извлечения аудио из видеофайлов)
Клонируйте репозиторий и запустите одной командой:
git clone https://github.com/yourusername/beats-detection-saas.git
cd beats-detection-saas
docker-compose up -d- Запуск Backend (Rust):
- Запуск Frontend (Vue 3):
Сервис предоставляет REST API для интеграции. GET /api/health — Проверка статуса сервиса. POST /api/v1/auth/register — Регистрация нового пользователя. POST /api/v1/auth/login — Получение JWT токена. POST /api/v1/analyze — Загрузка аудио/видео файла и получение JSON с таймкодами битов. GET /api/v1/history — Получение истории анализов текущего пользователя. (Полная документация API доступна по адресу /api/docs после запуска Swagger UI)
Этот проект является частью open-source экосистемы Korgi.tech
Pull Requests приветствуются! Если вы нашли баг или хотите добавить новый алгоритм детекции битов — создавайте Issue или Fork.
- Установка утилиты для создания миграций:
cargo install sqlx-cli --no-default-features --features sqlite
- Создание миграций:
sqlx migrate add create_users_table
Этот проект распространяется под лицензией MIT. См. файл LICENSE для подробностей.