Étude d'Architecture & Faisabilité Technique

Projet VSR Hybride : Intégration de Modèles d'IA Externes

Évaluation de l'adaptabilité du code source de Video Subtitle Remover (v1.4.0) | 13 Novembre 2026
Score d'Adaptabilité Code
9 / 10
Architecture modulaire & découplée
Vitesse Estimée (30s de vidéo)
< 25 s
vs 120 min en local (gain x300)
Coût Nuage par Vidéo
~0.02 $
Délégation aux seules frames texte
Fidélité Visuelle & Éléments
100 %
Conserve croix rouge & logos

1. Le Constat Expérimental & La Nécessité du Mode Hybride

Le test unitaire réel mené sur l'extrait de 10 secondes de la pub test_16_26.mp4 a révélé les limites strictes du calcul local sur PC sans carte graphique Nvidia CUDA dédiée (PC équipé d'un GPU intégré Intel UHD Graphics 630) :

2. Schéma d'Architecture Hybride Découplée

1. Local (CPU)
OCR PaddleOCR & Détection temporelle des sous-titres
➔
2. Local (CPU)
Découpage des mini-clips & masques binaires précis
➔
3. Cloud (GPU)
Inpainting Neuronale (Replicate ProPainter / Fal.ai)
➔
4. Local (CPU)
Réinsertion FFmpeg & Remuxing audio original

3. Évaluation de l'Adaptabilité du Code Source de VSR

L'analyse du code source sous C:\ASSISTANT_IA\outils_externes\video-subtitle-remover démontre une compatibilité immédiate avec le paradigme hybride :

Composant VSR Rôle Actuel Adaptabilité pour IA Externe
backend/main.py Boucle principale & aiguillage des modèles via model(batch, mask) Excellente Signature callable unifiée, intégration transparente d'un adaptateur externe.
backend/tools/subtitle_detect.py OCR PaddleOCR, clustering d'intervalles spatio-temporels Excellente Rapide sur CPU, isole avec précision les zones à envoyer vers le cloud.
backend/inpaint/ Moteurs PyTorch locaux (STTN, LaMa, ProPainter) Excellente Ajout direct d'une classe ExternalCloudInpaint sans toucher au code cœur.
backend/tools/inpaint_tools.py Découpe régionale par masque (get_inpaint_area_by_mask) Critique Permet d'envoyer uniquement la tranche horizontale utile (-80% de bande passante).

4. Comparatif des Modèles d'IA Externes

Solution Cloud Cohérence Temporelle Latence Estimée Coût / Vidéo Statut
Replicate ProPainter ⭐⭐⭐⭐⭐ Parfaite (Optical Flow) 8 à 15 s ~0.015 $ Recommandé #1
Fal.ai Inpainting (LaMa / FLUX) ⭐⭐⭐ Moyenne (Frame par frame) 1 à 2 s ~0.030 $ Secours rapide
Worker RunPod Serverless Dédié ⭐⭐⭐⭐⭐ Parfaite (Même modèle VSR) 5 à 8 s ~0.005 $ Cible Grand Volume

5. Feuille de Route d'Intégration

  1. Jalon 1 : Implémentation du module backend/inpaint/external_inpaint.py dans VSR branché sur le client Replicate ProPainter.
  2. Jalon 2 : Test de validation A/B sur test_16_26.mp4 (vérification de la suppression des traces jaunes et conservation de la croix rouge en < 20 s).
  3. Jalon 3 : Raccordement au CLI du Studio Pub via l'option --masquage vsr-hybride dans PROJET_STUDIO_PUB/studio/cli.py recycle.