SENTE-AI

KO | EN

gitlite — search

#javascript #react #llm #machine-learning #deep-learning #linux #docker #macos #java #windows #awesome #kubernetes #ios #open-source

(★ 12)

A model to convert music to haptic mappings

SENTE-AI 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# SENTE-AI [WIP]

Plataforma de análise acústica que traduz áudio em feedback háptico: extração de features acústicas, geração de anotações de vibração por zona e visualização 3D da cadeira.

---

## Documentação

| Documento | Descrição |
|-----------|-----------|
| [docs/README.md](docs/README.md) | Índice geral da documentação |
| [docs/DATASET.md](docs/DATASET.md) | Pipeline DVC e estrutura do dataset |
| [docs/security_credentials_guide.md](docs/security_credentials_guide.md) | Guia de segurança e credenciais |
| [backend/src/ARCHITECTURE.md](backend/src/ARCHITECTURE.md) | Arquitetura do pipeline de ML |
| [backend/src/MODELS.md](backend/src/MODELS.md) | Modelos de redes neurais |
| [backend/src/PIPELINE.md](backend/src/PIPELINE.md) | Fluxo de dados ponta a ponta |

---

## Stack

| Camada | Tecnologias |
|--------|-------------|
| **Frontend** | Next.js 14, TypeScript, Three.js, Tailwind CSS |
| **Backend** | Python 3.10+, FastAPI, librosa, PyTorch, nnAudio |
| **Dataset** | DVC (local), NumPy, pandas |
| **Infra** | Docker, Docker Compose |

---

## Como rodar (recomendado: Docker)

### Requisitos

- Docker e Docker Compose
- (Opcional, para dev local sem Docker) Python 3.10+ e Node.js 18+

### Passos rápidos

```bash
# 1. Configure as variáveis de ambiente
cp .env.example .env
# Edite .env com seus valores locais

# 2. Suba todos os serviços
docker compose up --build
```

Serviços disponíveis após o build:

| Serviço | URL | Descrição |
|---------|-----|-----------|
| Frontend | http://localhost:3000 | Interface Next.js |
| Backend | http://localhost:8000 | API FastAPI |
| Health | http://localhost:8000/health | Health check |

```bash
# Parar os serviços
docker compose down
```

### Variáveis de ambiente (`.env`)

| Variável | Padrão | Descrição |
|----------|--------|-----------|
| `NEXT_PUBLIC_BACKEND_URL` | `http://localhost:8000` | URL da API vista pelo navegador |
| `ALLOWED_ORIGINS` | `http://localhost:3000` | CORS do backend |
| `MAX_FILE_SIZE_MB` | `200` | Tamanho máximo de upload (MB) |

> **Segurança:** nunca commite o arquivo `.env` real. Veja [docs/security_credentials_guide.md](docs/security_credentials_guide.md).

---

## Desenvolvimento local (sem Docker)

### Backend (Python / FastAPI)

```bash
# Na raiz do projeto
python -m venv .venv
source .venv/bin/activate      # Linux/macOS
# ou .venv\Scripts\activate    # Windows

pip install -e ".[full]"       # instala librosa, pandas, dvc, torch, etc.

# Sobe a API
uvicorn backend.api.main:app --reload --host 0.0.0.0 --port 8000
```

### Frontend (Next.js)

```bash
cd frontend
npm install
npm run dev
```

O frontend espera o backend em `http://localhost:8000` (configurável via `.env`).

---

## Smoke test (visualizador 3D)

Para verificar apenas o frontend sem depender do backend:

```bash
cd frontend
npm install
npm run dev
```

Abra `http://localhost:3000/chair`, faça upload de um arquivo de áudio e pressione **Play**. A poltrona deve colorir em tons pastéis conforme as bandas de frequência (bass / mid / treble).

> O projeto inclui uma poltrona low-poly CC0 em `public/models/recliner_cc0.obj`.

---

## Dataset (vibrações para treino)

Pipeline que transforma stems em matrizes de vibração densas (`.npy`, shape `[N, 4]` a cada 100 ms para as 4 zonas) e um `manifest.csv`.

Documentação completa em → **[docs/DATASET.md](docs/DATASET.md)**

Comandos diários (de dentro de `dataset/`):

```bash
cd dataset
dvc repro generate_vibrations build_manifest
git add dvc.lock
git commit -m "chore: atualiza dvc.lock"
```

---

## Estrutura do repositório

```
.
├── backend/
│   ├── api/            # FastAPI — endpoints /analyze e /analyze/stream
│   ├── core/           # Extração de features, geração de anotações, color mapper
│   ├── src/            # Pipeline de ML: config, áudio, modelos, engine
│   │   ├── ARCHITECTURE.md
│   │   ├── MODELS.md
│   │   ├── PIPELINE.md
│   │   ├── audio_processing.py
│   │   ├── config.py
│   │   ├── dataset_loader.py
│   │   ├── engine/
│   │   └── models/
│   └── notebooks/      # Experimentos e prototipagem
├── frontend/           # Next.js — upload, relatório, visualizador 3D
├── dataset/            # Pipeline DVC (dvc.yaml + scripts/)
├── docs/               # Documentação centralizada
├── docker-compose.yml
├── .env.example
└── pyproject.toml
```

---

## Segurança

**Nunca commite secrets.**

Leia o guia em [docs/security_credentials_guide.md](docs/security_credentials_guide.md) e a política em [SECURITY.md](SECURITY.md).

Pontos principais:
- `.env` gitignored; use `.env.example` como template
- Containers rodando com usuário não-root
- Cache DVC local e gitignored
- Checklist para novos membros no guia de segurança

---

## Contribuindo

1. Leia [docs/README.md](docs/README.md) para o índice completo da documentação.
2. Configure `.env` a partir de `.env.example`.
3. Para o dataset, use DVC local — veja [docs/DATASET.md](docs/DATASET.md).
4. Siga as práticas de segurança descritas em [docs/security_credentials_guide.md](docs/security_credentials_guide.md).

SENTE-AI

SENTE-AI 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

SENTE-AI

SENTE-AI 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README