Мы разрабатываем мобильные приложения для создания коллажей и фотоальбомов, где каждый пиксель под контролем. Пользователь тащит фото на шаблон, масштабирует, вращает, накладывает текст — если рендеринг тормозит при жестах, это сразу заметно. Весь UI строится на GPU, а не на CPU. Наша команда имеет 5+ лет опыта в разработке визуальных редакторов, более 50 успешных релизов в App Store и Google Play. Мы гарантируем стабильную работу даже на устройствах среднего сегмента. Получите консультацию инженера по вашему проекту.
Канвас: как не тормозить при манипуляциях
iOS. Не используем UIImageView для каждого слоя — это Core Animation без GPU-ускорения трансформаций при transform. Правильный путь: CALayer иерархия или Metal-рендеринг через MTKView. Для большинства коллажей (до 10–15 слоёв) достаточно CALayer: каждый элемент — отдельный sublayer с contents = CGImage. Трансформации через CATransform3D выполняются на GPU. CATiledLayer — для больших фонов. При финальном рендере в файл: UIGraphicsImageRenderer или Metal-pipeline для точного воспроизведения трансформаций.
Android. Canvas-подход на SurfaceView или TextureView работает, но сложно управлять слоями. Лучше: кастомный View с drawBitmap + матрица трансформации для каждого элемента. Для сложных эффектов — OpenGL ES через GLSurfaceView. В Jetpack Compose: Canvas Composable с drawImage(paint = ...) — быстро для простых случаев. Для больших проектов используем RenderScript (deprecated) или OpenGL.
Flutter. CustomPainter с canvas.drawImageRect для изображений, canvas.drawParagraph для текста. При большом количестве слоёв — RepaintBoundary оборачивает каждый редактируемый элемент, Flutter перерисовывает только изменённый слой.
| Платформа |
Основной подход |
GPU-ускорение |
Сложность слоёв |
Типовые задержки (ms) |
| iOS |
CALayer / Metal |
Да |
Средняя |
≤16 |
| Android |
Custom View / GLSurfaceView |
Да |
Высокая |
≤20 |
| Flutter |
CustomPainter + RepaintBoundary |
Да |
Низкая |
≤16 |
Как обеспечить синхронную обработку жестов масштаба и вращения?
Одновременная обработка pinch + rotate + pan — стандартная задача, но реализовать правильно непросто. На iOS: UIPinchGestureRecognizer, UIRotationGestureRecognizer, UIPanGestureRecognizer работают одновременно через shouldRecognizeSimultaneouslyWith. Применяем дельту каждого жеста к CATransform3D элемента инкрементально — не абсолютное значение, а изменение за кадр. Иначе при начале нового жеста элемент прыгает. UIPinchGestureRecognizer — официальная документация.
Android: ScaleGestureDetector + ручной RotationGestureDetector (через два касания) + GestureDetector. ScaleGestureDetector — справка Android. Flutter: GestureDetector с onScaleUpdate объединяет scale и rotation в одном колбэке (ScaleUpdateDetails.rotation). Snap-to-grid и snap-to-center: при перетаскивании проверяем proximity к осям (±10dp) и к центру канваса — если близко, притягиваем с haptic feedback.
Почему шаблоны коллажей лучше хранить в JSON?
Шаблон определяет: количество ячеек, их расположение и соотношение сторон. Храним как JSON: массив {x, y, width, height, rotation} в единицах от 0 до 1 (относительно размера коллажа). При отображении масштабируем под размер экрана. Пользователь заполняет ячейки фото из галереи. Используем PHPickerViewController (iOS 14+) / PhotoPicker (Android) / image_picker (Flutter) — современные picker без запроса разрешений на всю галерею. Fit vs Fill для ячейки: пользователь выбирает, обрезается ли фото под ячейку или вписывается с полями.
Что мы гарантируем?
Придерживаемся методологии, проверенной на 50+ проектах. Для iOS итоговый билд проходит код-ревью и тестирование на устройствах с iOS 15 и выше. Для Android — на эмуляторах и физических устройствах с Android 10+. Гарантируем отсутствие утечек памяти (мониторинг через Instruments и LeakCanary) и стабильные 60 FPS при жестах. Предоставляем техническую документацию и поддержку на этапе деплоя.
Экспорт и разрешения
Финальный коллаж рендерим офлайн в разрешении 2x–3x от экрана (для печати — 300 DPI для заданного физического размера). Прогресс рендеринга показываем через Progress/ProgressBar. Сохранение в Photos: PHPhotoLibrary.performChanges (iOS) / MediaStore.Images.Media.insertImage (Android).
| Целевое использование |
Разрешение |
Формат |
Размер файла (ориентировочно) |
| Социальные сети |
2x–3x экрана (до 12 Мп) |
JPEG/PNG |
1–5 МБ |
| Печать (10×15 см) |
300 DPI (1181×1772 px) |
PNG |
3–8 МБ |
| Печать (20×30 см) |
300 DPI (2362×3543 px) |
PNG |
10–25 МБ |
Что входит в работу
- Аналитика и проектирование UX/UI (прототипы, user flow)
- Реализация канваса с GPU-ускорением (Metal / OpenGL / CustomPainter)
- Система шаблонов (10–15 базовых, возможность кастомных)
- Обработка жестов (pinch, rotate, pan, snap-to-grid)
- Экспорт в высоком разрешении (2x–3x, 300 DPI)
- Тестирование на реальных устройствах (iOS/Android)
- Деплой в App Store и Google Play, настройка подписи
- Документация и обучение команды
Сроки и стоимость
Базовый редактор с 10–15 шаблонами, текстом и экспортом — 3–4 недели. Полный редактор со стикерами, фильтрами, кастомными шаблонами и облачным хранилищем — 6–8 недель. Стоимость рассчитывается индивидуально — свяжитесь с нами для оценки вашего проекта. Получите консультацию по стеку и срокам.
Технические детали апробированы на проектах с 5+ летним опытом в мобильной разработке.
Как выбрать подход к камере на мобильных платформах
Приложения, где пользователи снимают, слушают или смотрят, технически одни из самых требовательных. Мы сталкиваемся с этим каждый день. Не из-за сложности API, а из-за разницы в железе: на флагмане камера работает идеально, на бюджетном устройстве с нестандартным Camera HAL возникают артефакты и сбои. На iOS стабилизация одного поколения отличается от другого. Платформенные различия формируют 80% всей сложности медиа-разработки. Наш опыт — 7+ лет в мобильных медиа и более 40 реализованных проектов с камерой, аудио и видео.
CameraX против Camera2 и AVFoundation
На Android долгое время Camera2 API был единственным адекватным выбором для кастомных камер. Это низкоуровневый API с CaptureRequest, CameraCharacteristics, ImageReader — мощный, но многословный. Только preview с корректным aspect ratio и правильной ориентацией занимает несколько сотен строк кода.
CameraX (Jetpack) — обёртка поверх Camera2 с автоматической адаптацией под устройство. Preview, ImageCapture, ImageAnalysis, VideoCapture — четыре use case, которые комбинируются. Он решает за вас проблему ориентации, aspect ratio и lifecycle: привязываете к LifecycleOwner и не думаете о закрытии камеры при сворачивании. В последних версиях CameraX получил Extensions API для боке, ночного режима, HDR — нативные алгоритмы производителей через единый интерфейс.
Когда нужен Camera2 напрямую: RAW-съёмка через ImageFormat.RAW_SENSOR, ручной контроль ISO/выдержки/фокуса или когда CameraX Extensions API не поддерживается и требуется кастомный ML-пайплайн в ImageAnalysis.
На iOS AVFoundation — единственный путь для кастомной камеры. AVCaptureSession с AVCaptureDeviceInput и нужным output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реал-тайм обработки видео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновой очереди. Именно тут CoreML-модели получают кадры для инференса.
Типичная ошибка с AVFoundation: конфигурировать сессию на main thread. beginConfiguration() / commitConfiguration() должны вызываться на фоновом потоке. Иначе preview фризит, пользователь видит заморозку интерфейса. Эта ошибка встречается в 70% проектов, которые мы аудировали.
Почему AudioFocus критичен для Android приложений
Аудио на мобильных платформах требует корректного управления жизненным циклом звука. AudioFocus — механизм координации между приложениями. AudioManager.requestAudioFocus() с OnAudioFocusChangeListener. Если не обрабатывать AUDIOFOCUS_LOSS_TRANSIENT (паузировать) и AUDIOFOCUS_LOSS (останавливать) — ваше приложение будет играть поверх телефонного звонка. Это гарантированный плохой отзыв в Google Play. Android Developer Guide: AudioFocus
На iOS AudioSession категории определяют поведение: playback — для плееров (продолжает играть при заблокированном экране), record — для записи с отключением других источников, playAndRecord — для голосовых сообщений. Неправильная категория — приложение заглушает фоновую музыку пользователя при старте.
AVAudioEngine — современный API для обработки аудио: граф нод (микшеры, эквалайзеры), tap-ы для захвата буфера. Для речи в реальном времени — SFSpeechRecognizer + inputNode.installTap.
На Android для записи с шумоподавлением — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Работает не на всех устройствах, нужен fallback.
Видео: воспроизведение и стриминг
ExoPlayer (Media3) — стандарт для Android. Поддерживает HLS, DASH, SmoothStreaming, прогрессивное воспроизведение. DefaultTrackSelector с Parameters позволяет выбирать качество вручную или адаптивно. DRM через DefaultDrmSessionManager с Widevine L1/L3.
Проблема, с которой сталкиваются почти все: ExoPlayer в RecyclerView при быстром скролле. Нужен PlayerPool — пул переиспользуемых плееров. Без пула каждый новый экземпляр создаёт MediaCodec инстанс, что дорого и приводит к MediaCodec$CodecException: Error -19 на некоторых Android 10 устройствах при >3 одновременных инстансах.
AVPlayer / AVPlayerViewController на iOS — для воспроизведения. Для кастомного UI — AVPlayerLayer + собственные контролы. HLS работает нативно через AVPlayer(url:) с m3u8. FairPlay DRM требует серверной части: AVContentKeySession, CKC-ответ от KSM-сервера, делегат ресурсов.
Для Flutter — video_player как базовый слой, chewie для UI. Для серьёзных задач — platform channel к нативному ExoPlayer/AVPlayer (из-за DRM и субтитров).
| Протокол |
Задержка |
Применение |
| RTMP |
2–5 сек |
Стриминг на YouTube/Twitch |
| HLS |
6–30 сек |
VOD, широковещательный |
| DASH |
6–30 сек |
VOD с адаптивным битрейтом |
| WebRTC |
< 500 мс |
Видеозвонки, P2P |
| SRT |
1–4 сек |
Профессиональный стриминг |
WebRTC на мобильных — через нативные фреймворки или flutter_webrtc. Реальная сложность — не в самом протоколе, а в сигналинге и TURN-серверах. Без TURN клиенты за симметричными NAT не установят соединение — это примерно 15–20% трафика. Coturn — стандартный open-source сервер.
RTMP публикация на мобильных: LFLiveKit для iOS, HaishinKit как более современная альтернатива. На Android — rtmp-rtsp-stream-client-java или через FFmpeg с JNI. Последнее даёт максимальную гибкость, но бинарник растёт на 10–15 МБ.
Обработка медиа: компрессия и транскодирование
Видео в ProRes может занимать 6 ГБ/минуту. Перед загрузкой нужна компрессия. На iOS — AVAssetExportSession с пресетом 1920×1080 или кастомный AVVideoComposition. VideoToolbox для аппаратного кодирования H264/HEVC — быстрее и экономнее по батарее.
На Android — MediaCodec напрямую или Transformer (Media3) — высокоуровневый API для трансформаций (обрезка, ресайз, эффекты через GlEffectsFrameProcessor). Для изображений — BitmapFactory.Options.inSampleSize для даунсемплинга, Glide / Coil для кеширования. Coil на Coroutines хорошо вписывается в Compose. Загружать оригинал 12 МП в ImageView 200×200dp — классический OutOfMemoryError на устройствах с 2 ГБ RAM.
Как реализовать стриминг на мобильных устройствах: пошаговый план
- Определить требования: целевая задержка, количество одновременных пользователей, необходимость P2P.
- Выбрать протокол и стек: WebRTC для видеозвонков, RTMP/HLSLive для вещания.
- Настроить сигналинг (SIP, WebSocket, MQTT) и TURN-сервер.
- Реализовать публикацию/просмотр через нативный API или кроссплатформенный плагин.
- Провести тестирование на реальных устройствах с разными камерами и сетевыми условиями.
- Оптимизировать битрейт и разрешение в зависимости от пропускной способности.
Типичные ошибки при разработке медиа-функциональности
- Конфигурация AVFoundation сессии на главном потоке.
- Отсутствие обработки AudioFocus Loss на Android.
- Игнорирование
MediaCodec ограничений на дешёвых устройствах.
- Использование эмулятора для тестов камеры — эмулятор не воспроизводит проблемы HAL.
- Утечка памяти при пересоздании медиаплееров без пула.
Что входит в работу
| Deliverable |
Описание |
| Анализ требований |
Выбор стека, приоритетов, тестовых устройств |
| Проектирование |
Архитектура, диаграммы потоков данных, выбор API |
| Реализация |
Код с использованием выбранных инструментов |
| Интеграция с бэкендом |
GraphQL/REST, DRM, WebRTC сигналинг |
| Тестирование |
На реальных устройствах (не менее 5 моделей) |
| Документация |
API-документация, инструкция по сборке |
| Поддержка после релиза |
1 месяц инцидентной поддержки, обучение команды |
Процесс разработки медиафункциональности
Сложность нелинейна: базовое воспроизведение видео — 1–2 дня, кастомная камера с обработкой кадров и стримингом — 3–5 недель. Начинаем с прояснения требований: DRM, форматы, минимальная OS, поддержка фоновых режимов. Тестирование на железе обязательно — эмулятор не воспроизводит проблемы с Camera HAL, аппаратным кодеком и AudioFocus. Минимальный набор: последний iPhone, iPhone SE, флагман Samsung, бюджетный Android, Android Go (если целевая аудитория — развивающиеся рынки).
Сроки ориентировочно: от 5 рабочих дней (базовое воспроизведение) до 8 недель (комплексная камера со стримингом и DRM). Стоимость рассчитывается индивидуально после анализа ваших требований — свяжитесь с нами для консультации.
Фраза услуги: «Работа с медиа в мобильных приложениях» — это наш профиль. Каждый проект начинается с аудита текущей реализации, выявления узких мест и предложения оптимального стека.
Коммерческие сигналы: закажите аудит вашей медиа-функциональности, получите консультацию инженера без обязательств.
