Intelligent Media Services:SubmitIProductionJob

これは非同期 API です。タスクを送信すると、API はタスク ID を返し、タスクをキューに入れて非同期処理を行います。最終結果はコールバックを介して配信されます。QuerySmartProductionTask を呼び出してタスクのステータスをクエリすることもできます。

入出力フィールド

Cover

ビデオファイルを入力として受け取り、複数の画像 (デフォルトでは 3 枚) を出力します。出力ファイルを区別するためにプレースホルダーを使用する必要があります。出力フォーマットは、JobParams で指定されたパラメーターに応じて、静止画像の場合は PNG、アニメーション画像の場合は GIF になります。

VideoDelogo

ビデオファイルからロゴを削除し、MP4 ビデオを出力します。

VideoDetext

ビデオファイルから字幕を削除し、MP4 ビデオを出力します。

CaptionExtraction

ビデオファイルから字幕を抽出し、SRT ファイルとして出力します。

VideoGreenScreenMatting

ビデオファイルを入力として受け取り、グリーンバックの背景を削除したビデオを出力します。出力フォーマットは、JobParams のパラメーターに応じて、MP4 または WebM になります。

FaceBeauty

ビデオファイルを入力として受け取り、顔美化効果を適用した MP4 フォーマットのビデオを出力します。

VideoH2V

ビデオファイルを入力として受け取り、横型のソースから変換された縦型の MP4 ビデオを出力します。

MusicSegmentDetect

オーディオファイルを入力として受け取り、コーラス検出結果を含む JSON ファイルを出力します。

AudioBeatDetection

オーディオファイルを入力として受け取り、ビート検出結果を含む JSON ファイルを出力します。

AudioQualityAssessment

オーディオファイルを入力として受け取ります。出力ファイルは生成されません。オーディオ品質評価の結果は、QueryIProductionJob の応答で直接返されます。

SpeechDenoise

オーディオファイルのノイズを低減し、結果を WAV ファイルとして出力します。

AudioMixing

入力オーディオファイルを JobParams で指定された追加のトラックとミキシングし、結果を WAV フォーマットで出力します。

MusicDemix

オーディオファイル (曲) をボーカル用と伴奏用の 2 つの別々のオーディオファイルに分離します。Output パスには、2 つのファイルを区別するために {resultType} プレースホルダーを含める必要があります。

JobParams の JSON フィールド

Cover

• Model：文字列。スマートカバーモデルを指定します。空のままにすると、静止画像が生成されます。gif に設定すると、アニメーション画像が生成されます。

VideoDelogo

• LogoModel：文字列。削除するロゴのタイプを指定します。有効な値：tv (テレビ放送のロゴ) および internet (オンラインメディアのロゴ)。複数の値をカンマで区切って指定できます。

• Boxes：文字列。ターゲットロゴのバウンディングボックスの座標。座標は、[xmin, ymin, width, height] のフォーマットで、左上隅からの正規化された距離として指定します。最大 2 つのバウンディングボックスがサポートされています。例："[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]"。

VideoDetext

• LimitRegion：リスト。字幕検出の領域を指定します。座標は、[xmin, ymin, width, height] のフォーマットで、左上隅からの正規化された距離として指定します。複数の領域がサポートされています。例：[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]。注：このパラメーターを省略した場合、サービスはデフォルトでビデオの下部 30% をスキャンします。

• Time：リスト。字幕を除去する時間範囲を秒単位で指定します。フォーマットは [start_time, end_time] です。たとえば、[5, 20] は、ビデオの 5 秒から 20 秒の間だけ字幕が除去されることを示します。

  • 単一の時間範囲を指定するには、[5, 20] のような 1 次元の配列を使用します。

  • 複数の時間範囲を指定するには、[[5, 20], [25, 43], [51, 80]] のような 2 次元の配列を使用します。このフォーマットは、modelId が algo-video-detext-new の場合にのみサポートされます。

CaptionExtraction

• fps：整数。(オプション) サンプリングフレームレート。有効範囲：[2, 10]。デフォルト：5。

• roi：字幕抽出の関心領域 (ROI)。この領域内の字幕のみが抽出されます。フォーマットは [[top, bottom], [left, right]] で、正規化された値を使用します。たとえば、[[0.5, 1], [0, 1]] はビデオの下半分を指定します。このパラメーターを省略した場合、サービスはデフォルトでビデオの下 4 分の 1 から字幕を抽出します。

• lang：文字列。認識言語。有効な値：ch (中国語)、en (英語)、および ch_ml (中国語と英語の混合)。デフォルト：ch。

• track：文字列。main に設定すると、メインの字幕トラックのみが抽出されます。このパラメーターを省略した場合、デフォルトで指定された領域内のすべての字幕が抽出されます。

VideoGreenScreenMatting

• bgimage：文字列。キーイング後にビデオにオーバーレイする背景画像の URL。例：http://example-image-****.example-location.aliyuncs.com/example/example.jpg。このパラメーターを省略した場合、サービスは alpha チャンネル付きの WebM ビデオを出力します。

FaceBeauty

• beauty_params：文字列。顔美化機能のパラメーター。例："whiten=20,smooth=50,face_thin=50"。詳細については、「パラメーターフィールドの説明」をご参照ください。

VideoH2V

なし

MusicSegmentDetect

なし

AudioBeatDetection

なし

AudioQualityAssessment

なし

SpeechDenoise

入力オーディオファイルは、サンプリングレートが 16 kHz または 48 kHz の WAV フォーマットである必要があります。

AudioMixing

• inputs：ミキシングするオーディオトラックを含むリスト。注：現在、サポートされているファイルは 1 つだけです。例：{"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}

MusicDemix

なし