BrainCut Blur Service

Automatische Gesichts- und Kennzeichenunschärfe für N8N-Workflows.
Läuft als Docker-Container auf Unraid mit GPU-Beschleunigung (NVIDIA CUDA).

Seit dem Rust-Rewrite ersetzt dieser Service die frühere Python-Version (FastAPI). Die Python-Version ist im Tag python-letzter-stand erhalten.

Aufbau

NVDEC (FFmpeg-Subprocess) → Rohframes (BGR)
  → Erkennung alle N Frames (ONNX Runtime, CUDA/TensorRT)
      Gesicht: CenterFace (integriert), YOLOv8-Face oder SCRFD
      Kennzeichen: YOLOv8
  → Blur (Gesichter) / Verpixelung (Kennzeichen) direkt im Frame-Puffer
NVENC (FFmpeg-Subprocess) → Audio-Mux aus dem Original → Ausgabedatei

Build

cargo wird lokal nicht benötigt – gebaut wird ausschließlich per Docker:

docker build --platform linux/amd64 -t crazydevil35/braincut-blur:latest .
docker push crazydevil35/braincut-blur:latest

Danach in Unraid den Container neu starten – er zieht latest beim Start.

Ordnerstruktur auf Unraid

/mnt/user/n8n_automation/BrainCut/
├── 01_upload/       ← Videos hier ablegen
├── 02_processing/   ← Blur-Zwischendateien (automatisch)
├── 03_output/       ← Fertige Ausgabedateien
├── 04_done/         ← Quelldateien nach Verarbeitung
├── 05_audio/        ← Musikdateien für Audio-Modus
└── sessions/        ← Session-Status-Dateien (JSON)

Docker-Container installieren

1. Unraid → Apps → Container-XML manuell importieren: braincut-blur.xml
2. Oder: Unraid → Docker → Container hinzufügen (manuell):
   • Image: crazydevil35/braincut-blur:latest
   • Port: 8080
   • Pfad /data → /mnt/user/n8n_automation/BrainCut
   • Pfad /app/.cache → /mnt/user/appdata/braincut-blur
   • Extra Params: --gpus all

Umgebungsvariablen

GPU-Anforderungen

• NVIDIA-GPU mit CUDA-Support
• Unraid: Nvidia-Driver-Plugin installiert
• Container wird mit --gpus all gestartet

HTTP-API

Beispiel /blur:

{
  "jobs": [{
    "input_path": "/mnt/user/n8n_automation/BrainCut/01_upload/video.mp4",
    "output_path": "/mnt/user/n8n_automation/BrainCut/02_processing/blurred_1_video.mp4",
    "blur_faces": true,
    "blur_plates": true,
    "detection_resolution": "720p"
  }],
  "statusUrl": "http://<n8n>:5678/webhook/blur-status"
}

Zu jeder Ausgabedatei wird <ausgabe>.detections.csv mit allen Erkennungen geschrieben. Nach Abschluss meldet der Service sich bei http://<N8N_SERVER_IP>:<N8N_SERVER_PORT>/webhook/blur-done.

Beispiel /render (so sendet es der Processing-Workflow):

{
  "clips": [{ "path": "/mnt/.../02_processing/blurred_1_video.mp4", "speed_factor": 4, "mute_audio": false, "volume_factor": 1.0 }],
  "audio": { "mode": "mix_music", "musicFile": { "path": "/mnt/.../05_audio/musik.mp3" }, "musicVolume": 0.35, "loop": true },
  "output_path": "/mnt/.../03_output/fertig.mp4",
  "overwrite": false,
  "move_sources_to": "/mnt/.../04_done",
  "cleanup_paths": []
}

Audio-Modi: original, mute (über mute_audio je Clip), replace_with_music, mix_music. Antwort: { "success": true, "out_path", "out_name", "size", "size_bytes" } bzw. { "success": false, "error" }. Ausgabe: H.264 (CRF 22), 1920 px breit, 30 fps, AAC 192 kbit/s.

Bekannte Einschränkungen

• Nur ein Auftrag gleichzeitig (weitere Anfragen → 409 Conflict).
• Der Service hat keine Authentifizierung – nur im vertrauenswürdigen LAN betreiben.

Fehlerbehebung