AI-модерация видеоконтента в мобильном приложении: стриминг и Cloud API

Как внедрить AI-модерацию видео в мобильном приложении?

Пользователь загружает видео — и у вас есть секунды, чтобы решить, показывать ли его другим. Ручная проверка не масштабируется: операторы устают, пропускают нарушения, а очередь в 10 минут убивает Retention. Наша команда мобильных инженеров с опытом в AI-модерации реализовала 40+ проектов для FinTech, EdTech и Social. Специализация — интеграция on-device моделей и облачных API для автоматической классификации видеоконтента. Ниже разберём, как избежать типовых ошибок и выстроить надёжную систему.

Где чаще всего возникают проблемы

Модерация в реальном времени vs постобработка

Самый частый архитектурный просчёт — пытаться гнать видео через модель покадрово на клиенте. CoreML на iPhone 14 Pro справится с MobileNet v3 при 30 fps на коротких роликах, но это убивает батарею и нагревает устройство. На Android схожая картина с MediaPipe: обработка каждого кадра в ImageAnalysis.Analyzer при 1080p приводит к ImageProxy backlogs и крэшам с java.lang.IllegalStateException: Image is already closed.

Правильный подход для видео — не покадровый анализ, а выборочный: каждые N кадров или ключевые сцены через AVAssetImageGenerator (iOS) / MediaMetadataRetriever.getFrameAtTime() (Android). Для большинства задач модерации достаточно 1 кадра в секунду.

Серверная модерация через Video Intelligence API

Для приложений с UGC-видео выстраиваем следующую схему: клиент загружает видео в хранилище (S3/GCS), триггерит Cloud Function, которая вызывает Google Video Intelligence API с фичами EXPLICIT_CONTENT и OBJECT_TRACKING. Ответ — JSON с временными метками и confidence-оценками по каждому сегменту.

// Android: запуск загрузки и передача URI на бэкенд
val uploadRef = storageRef.child("uploads/${UUID.randomUUID()}.mp4")
uploadRef.putFile(localUri)
    .addOnSuccessListener { taskSnapshot ->
        taskSnapshot.storage.downloadUrl.addOnSuccessListener { downloadUri ->
            moderationApi.submitVideo(downloadUri.toString(), onComplete = { result ->
                when (result.verdict) {
                    ModerationVerdict.SAFE -> publishVideo()
                    ModerationVerdict.UNSAFE -> rejectWithReason(result.reason)
                    ModerationVerdict.REVIEW -> sendToHumanReview()
                }
            })
        }
    }

AWS Rekognition Video — альтернатива с аналогичным API: StartContentModeration + polling через GetContentModeration. Для синхронных сценариев (короткие reels до 30 сек) подходит Rekognition Image, применяемый к извлечённым кадрам — ответ за 200–400 мс. Стоимость обработки минуты видео через Google Video Intelligence — от нескольких центов за минуту.

On-device предфильтрация

Перед отправкой на сервер имеет смысл прогнать первый и последний кадры видео через локальную CoreML/TFLite модель. Это отсекает очевидный NSFW ещё на клиенте и экономит траффик. NudeNet Lite в TFLite формате занимает около 14 МБ и даёт точность ~92% на бенчмарках NSFW-датасетов. Ложные срабатывания на медицинском контенте — отдельная история, требует whitelist-логики на уровне категории приложения.

Как работает on-device предфильтрация?

On-device предфильтрация выполняется на извлечённых ключевых кадрах (первый и последний) через CoreML (iOS) или TFLite (Android). Модель — NudeNet Lite, размер 14 МБ, точность 92% на NSFW-датасете. Ложные срабатывания (медицинский контент) отсекаются whitelist-логикой. On-device анализ в 3 раза быстрее серверного roundtrip для очевидных нарушений и экономит до 30% трафика.

Почему серверная модерация предпочтительнее для UGC?

Серверная модерация через cloud API (Google Video Intelligence, AWS Rekognition) выигрывает по точности и масштабируемости. On-device модели ограничены вычислительными ресурсами и поддерживают только базовые классы (NSFW, violence). Для сложной модерации (детекция оружия, контекстные нарушения) требуется серверная модель с большим контекстом. На практике мы комбинируем: быстрый on-device фильтр + облачный глубокий анализ для пограничных случаев.

Сравнение решений

Типовые сценарии и рекомендуемые решения

Как мы выстраиваем решение

Стек зависит от требований к latency и бюджету. Для стартапов с небольшим трафиком — Google Video Intelligence API: платите только за обработанные минуты, не нужно поднимать инфраструктуру. Для высоконагруженных платформ — собственный inference-сервис на базе CLIP или кастомной ONNX-модели за reverse proxy с кэшированием хэшей уже проверенных видео (perceptual hashing через pHash предотвращает повторную модерацию одного и того же ролика).

На клиенте (iOS/Android/Flutter) реализуем:

• прогресс-бар загрузки с URLSession.uploadTask / okhttp3.MultipartBody
• pending-состояние видео в ленте («на проверке»)
• пуш-уведомление о результате через FCM/APNs

Отдельный кейс — live-стриминг. Здесь Video Intelligence API не подходит из-за latency. Используем потоковую передачу через WebRTC + серверный анализ HLS-сегментов каждые 2–4 секунды с моделью, оптимизированной под скорость (MobileViT-S в TorchScript).

Что входит в работу (deliverables)?

• Архитектурная документация (ADR)
• Интеграция SDK загрузки и модерации
• UI состояний (pending, approved, rejected)
• Тестирование на 100+ edge-кейсах
• Обучение team lead по администрированию
• Гарантия на код 6 месяцев

Процесс работы

1. Аудит требований: тип контента (UGC, Stories, live), допустимая задержка публикации, требования к compliance (GDPR, COPPA).
2. Выбор стека: on-device предфильтр + облачная модерация vs полностью серверная.
3. Разработка: интеграция SDK загрузки, webhook/polling для результатов, UI статусов.
4. Тестирование на датасете edge-cases: мультиязычные субтитры в кадре, медицинский контент, мультипликация.

Ориентиры по срокам

Интеграция с Google Video Intelligence или AWS Rekognition Video — 3–5 дней. Добавление on-device предфильтра на CoreML/TFLite — ещё 2–3 дня. Полное решение с live-стримингом и системой human review — 3–4 недели.

Свяжитесь с нами для оценки вашего проекта — мы подготовим предложение под ваш стек и нагрузку. Закажите консультацию, чтобы обсудить детали.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).