AI Motoru Referansı

@snapotter/ai paketi, yerel ML işlemleri için yerel araçları ve Python çalışma zamanlarını koordine eder. Çoğu ML aleti, hızlı ısınma başlatmaları için kalıcı bir Python sidecar kullanır. OCR kasıtlı olarak ayrıdır: fast, yerel Tesseract ikili dosyasını çağırırken, balanced ve best, /data/ai/v3 altında aktif değişmez RapidOCR nesline sabitlenmiş özel bir kalıcı JSONL dispatcher kullanır. Her istek bir generation lease içerir. Yükseltme sırasında SnapOtter, etkinleştirmeden önce aday üzerinde bir smoke test çalıştırır, atomik olarak yeni dispatcher'ye geçer ve ardından garbage collection'den önce eski nesli boşaltır.

NVIDIA CUDA, onu destekleyen çalışma zamanları tarafından otomatik olarak algılanır ve kullanılır. OCR, her ana bilgisayarda CPU'yi kullanır, NVIDIA GPU'lu sistemler dahil, bu alet için CUDA ve sürücü bağlantısından kaçınılması.

VA-API, Quick Sync veya OpenCL üzerinden Intel/AMD iGPU hızlandırma bugün AI çıkarımı için desteklenmiyor. /dev/dri öğesini bir konteynere eşlemek, CUDA yeteneğine sahip bir NVIDIA GPU mevcut olmadıkça bu Python sidecar araçlarını hızlandırmaz.

Dört modalite (image, audio, video, document) genelinde 19 Python sidecar AI aracı, artı isteğe bağlı AI yetenekleri olan 2 araç. Tüm modeller yerel olarak çalışır; ilk model indirmesinden sonra internet gerekmez.

Korece OCR uyumluluğu

Hızlı OCR auto, en, de, es, fr, zh ve ja dillerini destekler, ancak Koreceyi (ko) desteklemez. Korece için doğru OCR paketi ve balanced ya da best gerekir. Paket resmi Linux amd64 ve arm64 kapsayıcılarında, OCR’nin CPU’da kaldığı NVIDIA ana bilgisayarları dahil çalışır. Desteklenmeyen sistemler açık bir uyumluluk hatası alır ve sessizce fast seçeneğine dönülmez. Korece ile fast veya eski tesseract diğer adı kuyruk öncesinde FEATURE_INCOMPATIBLE ve fast-korean-unsupported ile reddedilir.

Mimari

Node.js Tool Route
      |
      v
 @snapotter/ai bridge.ts
      | (stdin/stdout JSON + stderr progress events)
      v
 +-- Native Tesseract + Ghostscript (fast image/PDF OCR)
 |
 +-- Isolated OCR runtime (persistent JSONL dispatcher)
 |     `-- RapidOCR + ONNX Runtime CPU + pinned PP-OCR models
 |
 `-- Python dispatcher (persistent process, "ai" profile)
      |
      |-- remove_bg.py        (rembg / BiRefNet)
      |-- upscale.py          (RealESRGAN)
      |-- inpaint.py          (LaMa ONNX)
      |-- outpaint.py         (LaMa canvas expansion)
      |-- detect_faces.py     (MediaPipe)
      |-- face_landmarks.py   (MediaPipe landmarks)
      |-- enhance_faces.py    (GFPGAN / CodeFormer)
      |-- colorize.py         (DDColor)
      |-- noise_removal.py    (SCUNet / tiered denoising)
      |-- red_eye_removal.py  (landmark + color analysis)
      |-- restore.py          (scratch repair + enhancement + denoising)
      |-- transcribe.py       (faster-whisper speech-to-text)
      +-- install_feature.py  (on-demand bundle installer)

Ayrı bir "docs" dispatcher profili, AI izin listesini belge işleme betikleriyle (doc_pagecount, doc_health, doc_flatten, doc_redact, doc_text, doc_to_word, doc_metadata, doc_html_pdf) değiştirir ve ağır ML içe aktarmalarını atlar.

Zaman aşımları: varsayılan 300 s; OCR ve BiRefNet arka plan kaldırma 600 s alır.

Özellik Paketleri

AI modelleri, araç başına bir arşiv olarak değil, paylaşılan bağımlılık yığınına göre paketlenir. Bir özellik paketi, araçlar aynı model ailesini, Python wheel'lerini veya yerel kütüphaneleri kullandığında birden fazla aracı etkinleştirebilir. Bu, yayın Docker imgesini daha küçük tutar ve aynı arka plan matlama, yüz algılama, OCR, onarım ve konuşma modellerinin yinelenen kopyalarının saklanmasını önler.

Docker imgesi, uygulamayı artı ortak çalışma zamanını içerir. Büyük model arşivleri, talep üzerine kalıcı /data/ai birimine indirilir, ardından ihtiyaç duyan her araç tarafından yeniden kullanılır. Bir paket, başka bir araç ihtiyaç duyduğu için zaten yüklüyse, ona bağımlı yeni bir aracı etkinleştirmek o paketi tekrar indirmez.

Çoğu AI aracının çalıştırılmadan önce bir veya daha fazla özellik paketine ihtiyacı vardır. Yönetici kullanıcı arayüzü bunları POST /api/v1/admin/tools/:toolId/features/install aracılığıyla araçla yükler; bu, tam paket listesini çözer, önceden yüklenmiş olan paketleri atlar ve yalnızca eksik indirmeleri sıraya koyar. Örneğin, yeni bir örnekte Pasaport Fotoğrafını etkinleştirmek background-removal ve face-detection sıralarını oluşturur; Arka Plan Kaldırma zaten yüklendikten sonra etkinleştirildiğinde yalnızca face-detection sıraya alınır. OCR bir istisnadır çünkü fast'nin pakete ihtiyacı yoktur; isteğe bağlı doğru çalışma süresini kullanıcı arayüzü veya POST /api/v1/admin/features/ocr/install aracılığıyla yükleyin.

Paket	Boyut	Paylaşılan bağımlılık grubu	Onu kullanan araçlar
background-removal	4-5 GB	rembg / BiRefNet arka plan matlama	remove-background, passport-photo, transparency-fixer, background-replace, blur-background
face-detection	200-300 MB	MediaPipe yüz algılama ve işaret noktaları	blur-faces, red-eye-removal, smart-crop
object-eraser-colorize	1-2 GB	LaMa inpainting/outpainting ve DDColor	erase-object, colorize, ai-canvas-expand
upscale-enhance	5-6 GB	RealESRGAN, GFPGAN / CodeFormer, gürültü giderme	upscale, enhance-faces, noise-removal
photo-restoration	4-5 GB	çizik onarımı ve restorasyon hattı	restore-photo
ocr	~208-234 MiB indir / ~409-488 MiB kuruldu	İsteğe bağlı RapidOCR 3.9.1, ONNX Runtime 1.20.1 ve sabitlenmiş PP-OCR modelleri	ocr, ocr-pdf (yalnızca balanced ve best)
transcription	~600 MB	faster-whisper konuşmadan metne modelleri	transcribe-audio, auto-subtitles

Çapraz paket bağımlılıkları olan araçlar:

Araç	Gerekli paketler	Neden
passport-photo	background-removal, face-detection	Arka planı kaldırır, ardından kırpmayı pasaport ve kimlik fotoğrafı kurallarına göre çerçevelemek için yüz işaret noktalarını kullanır.
enhance-faces	upscale-enhance, face-detection	Seçilen yüz bölgelerinde GFPGAN veya CodeFormer iyileştirmesini çalıştırmadan önce yüzleri algılar.

Bir araç yalnızca OCR hariç gerekli tüm paketler yüklendiğinde kullanılabilir: yerleşik fast katmanı, isteğe bağlı OCR paketi olmadan kullanılabilir durumda kalır. Kısmi kurulumlar geçerlidir ve artımlı olarak işlenir: kurulu paketler yeniden kullanılır, eksik paketler indirmeler olarak gösterilir ve sıraya alınmış kurulumlar birer birer çalıştırılır, böylece paylaşılan Python ortamı aynı anda değiştirilmez.

Doğru OCR çalışma zamanı kurulumu

Doğru OCR paketi, resmi Linux amd64 veya Linux arm64 konteyneri için platforma özel bir çalışma zamanıdır. amd64 yapısı Python 3.12'yi kullanır; arm64 yapısı Python 3.11'i kullanır. Her iki yapı da ONNX Runtime'nin CPUExecutionProvider'si aracılığıyla RapidOCR'yi çalıştırır, dolayısıyla aynı paket yalnızca CPU ve NVIDIA Docker ana bilgisayarlarında çalışır. Doğru çalışma zamanı en az 4 GiB etkili bellek gerektirir: yapılandırılmış kapsayıcı cgroup sınırı, aksi takdirde ana bilgisayar belleği. İmzalı uyumluluk minimumunun altındaki bir sistem indirmeden önce reddedilir. Bu gereksinim yerleşik Fast OCR için geçerli değildir. Bare-metal yapıları, libc ve Python ABI güvenli bir şekilde çıkarılamadığından reddedilir; Ana bilgisayar Tesseract ve Ghostscript sağladığında hızlı OCR kullanılabilir durumda kalır.

İsteğe bağlı yapı, mimariye bağlı olarak yaklaşık 208-234 MiB sıkıştırılmış ve 409-488 MiB çıkartılmıştır. İmzalı dizin, yükleyici tarafından zorunlu kılınan sıkıştırılmış ve çıkartılmış bayt sayımlarını tam olarak bağlar. Yerleşik Tesseract, resmi görüntüye yaklaşık 25 MiB ekler ve /data/ai'de hiçbir dosyaya ihtiyaç duymaz.

Çevrimiçi kurulum, imzalı bir sürüm dizinini ve geçerli platform için tam içerik adresli yapıyı getirir. SnapOtter, yeni nesli atomik olarak etkinleştirmeden önce Ed25519 dizin imzasını, yapı boyutunu, SHA-256 özetini, model özetlerini, yolları, dosya modlarını ve aşamalı smoke test'yi doğrular. Başarısız bir yükleme önceki sağlıklı nesli etkin bırakır.

Hava boşluklu kurulum için, index ve archive adlı çok parçalı alanları kullanarak hem sürümün ocr-runtime-index.json'sini hem de eşleşen OCR çalışma zamanı arşivini POST /api/v1/admin/features/import'ye yükleyin. Çevrimdışı içe aktarma, çevrimiçi kurulumla aynı imza, karma, çıkarma, uyumluluk ve duman testi kontrollerini uygular; güvenilir imzalı dizini olmayan bir arşiv reddedilir.

---

Arka Plan Kaldırma

Araç rotası: remove-background
Model: BiRefNet (varsayılan) veya U2-Net varyantları ile rembg

Parametre	Tür	Varsayılan	Açıklama
model	string	-	Model varyantı (isteğe bağlı geçersiz kılma)
backgroundType	string	"transparent"	Şunlardan biri: transparent, color, gradient, blur, image
backgroundColor	string	-	Düz arka plan için hex renk
gradientColor1	string	-	Birinci gradyan rengi
gradientColor2	string	-	İkinci gradyan rengi
gradientAngle	number	-	Derece cinsinden gradyan açısı
blurEnabled	boolean	-	Arka plan bulanıklaştırma efektini etkinleştir
blurIntensity	number (0-100)	-	Bulanıklaştırma yoğunluğu
shadowEnabled	boolean	-	Özne üzerinde gölge düşürmeyi etkinleştir
shadowOpacity	number (0-100)	-	Gölge opaklığı
outputFormat	string	-	Çıktı biçimi: png, webp veya avif
edgeRefine	integer (0-3)	-	Kenar iyileştirme düzeyi
decontaminate	boolean	-	Kenarlardan renk taşmasını kaldır

Arka Plan Değiştirme

Araç rotası: background-replace
Model: rembg / BiRefNet (remove-background ile paylaşılır)

Arka planı kaldırır ve düz bir renk veya gradyanla değiştirir.

Parametre	Tür	Varsayılan	Açıklama
backgroundType	"color" | "gradient"	"color"	Arka plan modu
color	string	"#ffffff"	Arka plan hex rengi (backgroundType değeri color olduğunda)
gradientColor1	string	-	Birinci gradyan hex rengi
gradientColor2	string	-	İkinci gradyan hex rengi
gradientAngle	integer (0-360)	180	Derece cinsinden gradyan açısı
feather	integer (0-20)	0	Kenar yumuşatma yarıçapı
format	"png" | "webp"	"png"	Çıktı biçimi

Arka Planı Bulanıklaştırma

Araç rotası: blur-background
Model: rembg / BiRefNet (remove-background ile paylaşılır)

Özneyi keskin tutarken arka planı bulanıklaştırır.

Parametre	Tür	Varsayılan	Açıklama
intensity	integer (1-100)	50	Bulanıklaştırma yoğunluğu
feather	integer (0-20)	0	Kenar yumuşatma yarıçapı
format	"png" | "webp"	"png"	Çıktı biçimi

Görüntü Büyütme

Araç rotası: upscale
Model: RealESRGAN (kullanılamadığında Lanczos yedeği ile)

Parametre	Tür	Varsayılan	Açıklama
scale	number	2	Büyütme faktörü
model	string	"auto"	Model varyantı
faceEnhance	boolean	false	GFPGAN yüz iyileştirme geçişi uygula
denoise	number	0	Gürültü giderme gücü
format	string	"auto"	Çıktı biçimi geçersiz kılma
quality	number	95	Çıktı kalitesi (1-100)

OCR / Metin Çıkarma

Araç rotası: ocr
Modeller: Tesseract (fast); PP-OCRv6 küçük modellerle (balanced) RapidOCR; Kalibre edilmiş varyant puanlamasına sahip PP-OCRv6 orta modeller (best)

Parametre	Tür	Varsayılan	Açıklama
quality	"fast" | "balanced" | "best"	Dinamik	quality ve engine belirtilmezse SnapOtter kullanılabilir en iyi katmanı şu sırayla seçer: best, balanced, fast. Korece için fast hiçbir zaman seçilmez; best, ardından balanced kullanılır veya doğru çalışma zamanının kurulum ya da uyumluluk hatası döndürülür.
language	string	"auto"	Dil: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Seviyeye bağlı	Yerel kontrastı iyileştirin. Hızlı doğrudan uygular; doğru katmanlar, yalnızca kalibre edilmiş puanlama OCR'yi iyileştirdiğinde varyantı korur. En İyi için Varsayılanlar Açıktır
engine	sicim	-	Kullanımdan kaldırılan uyumluluk takma adı. tesseract'yi fast'ye ve eski paddleocr değerini balanced'ye eşler; PaddlePaddle yüklenmiyor

Çıkarılan metni artı kaynak meta verilerini döndürür: motor, istenen ve gerçek kalite, cihaz, sağlayıcı, bozulma durumu, uyarılar ve uygun olduğunda doğru çalışma zamanı/model sürümleri. Açık kalite istekleri hiçbir zaman başka bir katmana geri dönmez. balanced veya best kullanılamıyorsa API, fast'yi sessizce çalıştırmak yerine FEATURE_NOT_INSTALLED veya FEATURE_INCOMPATIBLE'yi döndürür.

PDF OCR

Araç rotası: ocr-pdf
Modeller: Görüntü OCR ile aynı katman sistemi

Yapay zeka destekli OCR kullanarak taranmış PDF belgelerinden sayfa sayfa metin çıkarır.

Parametre	Tür	Varsayılan	Açıklama
quality	"fast" | "balanced" | "best"	Dinamik	quality ve engine belirtilmezse SnapOtter kullanılabilir en iyi katmanı şu sırayla seçer: best, balanced, fast. Korece için fast hiçbir zaman seçilmez; best, ardından balanced kullanılır veya doğru çalışma zamanının kurulum ya da uyumluluk hatası döndürülür.
language	string	"auto"	Dil: auto, en, de, fr, es, zh, ja, ko
pages	string	"all"	Sayfa seçimi: "all", "1-3", "1,3,5"
enhance	boolean	Seviyeye bağlı	Yerel kontrastı iyileştirin. Hızlı doğrudan uygular; doğru katmanlar, yalnızca kalibre edilmiş puanlama OCR'yi iyileştirdiğinde varyantı korur. En İyi için Varsayılanlar Açıktır
engine	sicim	-	Kullanımdan kaldırılan uyumluluk takma adı. tesseract'yi fast'ye ve eski paddleocr değerini balanced'ye eşler; PaddlePaddle yüklenmiyor

Aynı sürüm düşürmeme kuralı PDF OCR için de geçerlidir. PDF sayfaları tanınmadan önce rasterleştirilir ve bir istek en fazla 50 sayfa seçebilir.

Yüz / PII Bulanıklaştırma

Araç rotası: blur-faces
Model: MediaPipe yüz algılama

Parametre	Tür	Varsayılan	Açıklama
blurRadius	number (1-100)	30	Gauss bulanıklaştırma yarıçapı
sensitivity	number (0-1)	0.5	Algılama güven eşiği

Yüz İyileştirme

Araç rotası: enhance-faces
Modeller: GFPGAN, CodeFormer

Parametre	Tür	Varsayılan	Açıklama
model	"auto" | "gfpgan" | "codeformer"	"auto"	İyileştirme modeli
strength	number (0-1)	0.8	İyileştirme gücü
sensitivity	number (0-1)	0.5	Yüz algılama eşiği
onlyCenterFace	boolean	false	Yalnızca en merkezi yüzü iyileştir

AI Renklendirme

Araç rotası: colorize
Model: DDColor (OpenCV DNN yedeği ile)

Siyah-beyaz veya gri tonlamalı fotoğrafları tam renge dönüştürür.

Parametre	Tür	Varsayılan	Açıklama
intensity	number (0-1)	1.0	Renk doygunluğu gücü
model	"auto" | "ddcolor" | "opencv"	"auto"	Model varyantı

Gürültü Giderme

Araç rotası: noise-removal
Model: SCUNet (katmanlı gürültü giderme hattı)

Parametre	Tür	Varsayılan	Açıklama
tier	"quick" | "balanced" | "quality" | "maximum"	"balanced"	İşleme katmanı
strength	number (0-100)	50	Gürültü giderme gücü
detailPreservation	number (0-100)	50	Ne kadar ayrıntı korunacağı; daha yüksek değer daha fazla doku tutar
colorNoise	number (0-100)	30	Renk gürültüsü azaltma gücü
format	string	"original"	Çıktı biçimi: original, png, jpeg, webp, avif, jxl
quality	number (1-100)	90	Çıktı kodlama kalitesi

Kırmızı Göz Giderme

Araç rotası: red-eye-removal

Yüz işaret noktalarını algılar, göz bölgelerini bulur ve kırmızı kanal aşırı doygunluğunu düzeltir.

Parametre	Tür	Varsayılan	Açıklama
sensitivity	number (0-100)	50	Kırmızı piksel algılama eşiği
strength	number (0-100)	70	Düzeltme gücü
format	string	-	Çıktı biçimi geçersiz kılma (isteğe bağlı)
quality	number (1-100)	90	Çıktı kalitesi

Fotoğraf Onarımı

Araç rotası: restore-photo

Eski veya hasarlı fotoğraflar için çok adımlı hat: çizik/yırtık algılama ve onarım, yüz iyileştirme, gürültü giderme ve isteğe bağlı renklendirme.

Parametre	Tür	Varsayılan	Açıklama
scratchRemoval	boolean	true	Çizikleri, yırtıkları algıla ve onar
faceEnhancement	boolean	true	Yüz iyileştirme geçişi uygula
fidelity	number (0-1)	0.7	Yüz iyileştirme gücü (yüksek = daha temkinli)
denoise	boolean	true	Gürültü giderme geçişi uygula
denoiseStrength	number (0-100)	25	Gürültü giderme gücü
colorize	boolean	false	Onarımdan sonra renklendir
colorizeStrength	number (0-100)	85	Renklendirme yoğunluğu

Pasaport Fotoğrafı

Araç rotası: passport-photo
Modeller: MediaPipe yüz işaret noktaları + BiRefNet arka plan kaldırma

İki aşamalı iş akışı: analiz et (yüzü algıla + arka planı kaldır) ardından oluştur (kırp, yeniden boyutlandır, döşe). 6 bölgede 37+ ülkeyi destekler.

Aşama 1: Analiz

POST /api/v1/tools/image/passport-photo/analyze

Bir görüntü dosyası (multipart) kabul eder. Yüz işaret noktası verisi, base64 önizleme ve görüntü boyutları döndürür.

Aşama 2: Oluştur

POST /api/v1/tools/image/passport-photo/generate

Aşama 1 sonuçlarını artı oluşturma ayarlarını içeren bir JSON gövdesi kabul eder:

Parametre	Tür	Varsayılan	Açıklama
jobId	string	(gerekli)	Aşama 1'den iş kimliği
filename	string	(gerekli)	Aşama 1'den orijinal dosya adı
countryCode	string	(gerekli)	ISO ülke kodu (örneğin, US, GB, IN)
documentType	string	"passport"	Belge türü
bgColor	string	"#FFFFFF"	Arka plan rengi hex
printLayout	string	"none"	Baskı düzeni: none, 4x6, a4, letter
maxFileSizeKb	number	0	KB cinsinden maks dosya boyutu (0 = sınır yok)
dpi	number (72-1200)	300	Çıktı DPI
customWidthMm	number	-	mm cinsinden özel genişlik (ülke özelliğini geçersiz kılar)
customHeightMm	number	-	mm cinsinden özel yükseklik (ülke özelliğini geçersiz kılar)
zoom	number (0.5-3)	1	Yakınlaştırma faktörü
adjustX	number	0	Yatay konum ayarı
adjustY	number	0	Dikey konum ayarı
landmarks	object	(gerekli)	Aşama 1'den işaret noktaları
imageWidth	number	(gerekli)	Aşama 1'den görüntü genişliği
imageHeight	number	(gerekli)	Aşama 1'den görüntü yüksekliği

Nesne Silme (Inpainting)

Araç rotası: erase-object
Model: ONNX Runtime üzerinden LaMa

Maske, base64 olarak değil, ikinci bir dosya parçası (alan adı mask) olarak gönderilir. Maskedeki beyaz pikseller silinecek alanları belirtir. format ve quality ayarları üst düzey form alanları olarak gönderilir.

Parametre	Tür	Varsayılan	Açıklama
file	file	(gerekli)	Kaynak görüntü (multipart)
mask	file	(gerekli)	Maske görüntüsü (multipart, alan adı mask, beyaz = sil)
format	string	"auto"	Çıktı biçimi: auto, png, jpg, jpeg, webp, tiff, gif, avif, heic, heif, jxl
quality	integer (1-100)	95	Çıktı kalitesi

Bir NVIDIA GPU mevcut olduğunda CUDA hızlandırmalıdır.

AI Tuval Genişletme

Araç rotası: ai-canvas-expand
Model: LaMa tabanlı outpainting

Bir görüntünün tuvalini herhangi bir yönde genişletir ve yeni alanları mevcut görüntüyle eşleşen AI tarafından üretilen içerikle doldurur.

Parametre	Tür	Varsayılan	Açıklama
extendTop	integer	0	Üstte genişletilecek piksel
extendRight	integer	0	Sağda genişletilecek piksel
extendBottom	integer	0	Altta genişletilecek piksel
extendLeft	integer	0	Solda genişletilecek piksel
tier	"fast" | "balanced" | "high"	"balanced"	Kalite katmanı
format	string	"auto"	Çıktı biçimi: auto, png, jpg, jpeg, webp, tiff, gif, avif, heic, heif, jxl
quality	integer (1-100)	95	Çıktı kalitesi

En az bir genişletme yönü 0'dan büyük olmalıdır.

Akıllı Kırpma

Araç rotası: smart-crop
Model: MediaPipe yüz algılama (yalnızca yüz modu)

Parametre	Tür	Varsayılan	Açıklama
mode	string	"subject"	Kırpma stratejisi: subject, face, trim
strategy	"attention" | "entropy"	"attention"	Özne modu için strateji
width	integer	-	Çıktı genişliği
height	integer	-	Çıktı yüksekliği
padding	integer (0-50)	0	Özne çevresindeki dolgu yüzdesi
facePreset	string	"head-shoulders"	mode=face olduğunda ön ayarlı çerçeveleme
sensitivity	number (0-1)	0.5	Yüz algılama eşiği
threshold	integer (0-255)	30	Arka plan algılama eşiği (kırpma modu)
padToSquare	boolean	false	Kırpılan sonucu kareye doldur
padColor	string	"#ffffff"	Kare dolgusu için arka plan rengi
targetSize	integer	-	Dolgulu çıktı için hedef boyut (piksel)
quality	integer (1-100)	-	Çıktı kalitesi

Eski mode değerleri attention ve content kabul edilir ve sırasıyla subject ve trim ile eşlenir.

Yüz ön ayarları:

Ön ayar	En uygun kullanım
closeup	Portre çekimleri
head-shoulders	Profil fotoğrafları
upper-body	LinkedIn / resmi
half-body	Tam üst gövde

Sesi Yazıya Dök

Araç rotası: transcribe-audio
Model: faster-whisper

Konuşmayı metne dönüştürür. Düz metin, SRT ve VTT çıktı biçimlerini destekler.

Parametre	Tür	Varsayılan	Açıklama
language	string	"auto"	Dil: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	"txt" | "srt" | "vtt"	"txt"	Çıktı biçimi

Otomatik Altyazılar

Araç rotası: auto-subtitles
Model: faster-whisper (videodan sesi çıkarır, ardından yazıya döker)

Bir videonun ses parçasından altyazı dosyaları oluşturur.

Parametre	Tür	Varsayılan	Açıklama
language	string	"auto"	Dil: auto, en, de, fr, es, zh, ja, ko, id, th, vi
format	"srt" | "vtt"	"srt"	Çıktı altyazı biçimi

PNG Saydamlık Düzeltici

Araç rotası: transparency-fixer
Model: BiRefNet HR-matting (2048x2048 çözünürlük)

Arka planın kaldırıldığı ancak arkada saçaklanma, hale veya yarı saydam kalıntılar bırakıldığı "sahte saydam" PNG'leri düzeltir. Temiz bir alfa kanalı üretmek için BiRefNet'in yüksek çözünürlüklü matlama modelini kullanır, ardından kenarlar boyunca renk kirlenmesini kaldırmak için yapılandırılabilir saçak giderme işlemi uygular.

OOM yedek zinciri: BiRefNet HR-matting mevcut belleği aşarsa, araç otomatik olarak önce birefnet-general değerine, ardından u2net değerine geri döner.

Parametre	Tür	Varsayılan	Açıklama
defringe	number (0-100)	30	Renk kirlenmesini kaldırmak için kenar saçak giderme gücü
outputFormat	"png" | "webp"	"png"	Çıktı görüntü biçimi
removeWatermark	boolean	false	Filigran kaldırma ön işlemesi uygula (medyan filtresi)

curl -X POST http://localhost:1349/api/v1/tools/image/transparency-fixer \
  -H "Authorization: Bearer <token>" \
  -F "file=@fake-transparent.png" \
  -F 'settings={"defringe":30,"outputFormat":"png"}'

---

İsteğe Bağlı AI Yetenekleri Olan Araçlar

Aşağıdaki araçlar Python sidecar araçları değildir ancak belirli seçenekler etkinleştirildiğinde AI özelliklerini kullanır.

Görüntü İyileştirme

Araç rotası: image-enhancement
Motor: Analiz tabanlı (Sharp histogramı ve istatistikleri)

Görüntüyü analiz eder ve pozlama, kontrast, beyaz dengesi, doygunluk, keskinlik ve gürültü için otomatik düzeltmeler uygular. Sahneye özgü modları destekler.

Parametre	Tür	Varsayılan	Açıklama
mode	"auto" | "portrait" | "landscape" | "low-light" | "food" | "document"	"auto"	Düzeltmeleri ayarlamak için sahne modu
intensity	number (0-100)	50	Genel düzeltme gücü
corrections.exposure	boolean	true	Pozlama düzeltmesi uygula
corrections.contrast	boolean	true	Kontrast düzeltmesi uygula
corrections.whiteBalance	boolean	true	Beyaz dengesi düzeltmesi uygula
corrections.saturation	boolean	true	Doygunluk düzeltmesi uygula
corrections.sharpness	boolean	true	Keskinlik düzeltmesi uygula
corrections.denoise	boolean	true	Gürültü giderme uygula
deepEnhance	boolean	false	SCUNet üzerinden AI gürültü giderme etkinleştir (upscale-enhance paketi gerektirir)

POST /api/v1/tools/image/image-enhancement/analyze adresinde, algılanan düzeltmeleri uygulamadan döndüren ek bir analiz uç noktası mevcuttur.

İçerik Duyarlı Yeniden Boyutlandırma (Seam Carving)

Araç rotası: content-aware-resize
Motor: Go caire ikilisi (Python değil, GPU avantajı yok)

Düşük enerjili dikişleri kaldırarak görüntüleri akıllıca yeniden boyutlandırır, önemli içeriği korur.

Parametre	Tür	Varsayılan	Açıklama
width	number	-	Hedef genişlik
height	number	-	Hedef yükseklik
protectFaces	boolean	false	Algılanan yüz bölgelerini koru (face-detection paketi gerektirir)
blurRadius	number (0-20)	4	Enerji hesaplaması için ön bulanıklaştırma
sobelThreshold	number (1-20)	2	Kenar hassasiyeti eşiği
square	boolean	false	Kare çıktıyı zorla