Intelligent Media Services:SubmitIProductionJob

これは非同期インターフェイスです。タスクを送信すると、インターフェイスはすぐにリクエスト ID を返し、タスクを非同期処理のためにキューに入れます。最終結果はコールバック通知を介して配信されます。または、Query Intelligent Production Task 操作を呼び出して、タスクステータスを確認することもできます。

入力および出力フィールド

カバー

動画ファイルを入力し、複数の画像（デフォルトで 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します。出力形式は、静的画像の場合は PNG、アニメーション画像の場合は GIF であり、JobParams 内のパラメーターによって決定されます。

VideoDelogo

動画ファイルを入力し、ロゴを除去した MP4 動画を出力します。

VideoDetext

動画ファイルを入力し、字幕を除去した MP4 動画を出力します。

CaptionExtraction

動画ファイルを入力し、SRT 形式の字幕ファイルを出力します。

VideoGreenScreenMatting

動画ファイルを入力し、グリーンバックマッティングを適用した動画を出力します。出力形式は MP4 または WebM であり、JobParams 内のパラメーターに応じて決定されます。

FaceBeauty

動画ファイルを入力し、顔の美肌効果を適用した動画を出力します。出力形式は MP4 です。

VideoH2V

動画ファイルを入力し、横方向から縦方向へ変換します。出力は MP4 動画です。

MusicSegmentDetect

音声ファイルを入力し、コーラス検出結果を JSON ファイルで出力します。

AudioBeatDetection

音声ファイルを入力し、ビート検出結果を JSON ファイルで出力します。

AudioQualityAssessment

音声ファイルを入力します。出力ファイルは生成されません。QueryIProductionJob 操作の応答に、音声品質評価結果が直接返されます。

SpeechDenoise

音声ファイルを入力し、ノイズ除去済みの音声ファイル（WAV 形式）を出力します。

AudioMixing

音声ファイルを入力し、ミキシング後の音声ファイル（WAV 形式）を出力します。音声ファイルの入力方法については、以下の JobParams パラメーターの説明をご参照ください。

MusicDemix

入力音声ファイル（楽曲）を「ボーカル」と「伴奏」の 2 トラックに分離します。{resultType} プレースホルダーを出力パスに含める必要があります。これにより、各トラックごとに個別のファイルが生成されます。

JobParams JSON フィールド

カバー

• Model：文字列型。スマートカバーモデルです。このパラメーターを空のままにすると、静的イメージのカバーが生成されます。gif を指定すると、アニメーション GIF のカバーが生成されます。

VideoDelogo

• LogoModel：文字列型。除去対象のロゴの種類です。有効な値は tv（テレビ局のロゴ）および internet（オンラインメディアのロゴ）です。カンマで区切ることで、複数の種類を指定できます。

• Boxes：文字列型。対象ロゴ領域の位置を、左上隅からの正規化距離で指定します。形式は [xmin, ymin, width, height] です。最大 2 個のロゴ領域を指定できます。例："[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]"。

VideoDetext

• LimitRegion：リスト型。字幕検出エリアを、左上隅からの正規化距離で指定します。形式は [xmin, ymin, width, height] です。複数の検出エリアを指定できます。例：[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]。注：このパラメーターを設定しない場合、デフォルトの検出エリアは動画の下部 30 % になります。

• Time：リスト型。字幕を除去するグローバルな時間範囲（秒単位）を指定します。形式は [開始時刻, 終了時刻] です。例：[5, 20] とすると、動画の 5 秒目から 20 秒目までの字幕のみが除去されます。

  • Time パラメーターは、[5, 20] のような 1 次元配列で、単一の時間セグメントを指定できます。

  • Time パラメーターは、[[5, 20], [25, 43], [51, 80]] のような 2 次元配列で、複数の時間セグメントを指定することもできます。ただし、この形式は modelId が algo-video-detext-new に設定されている場合のみサポートされます。

CaptionExtraction

• fps：整数型（任意）。サンプリングフレームレートです。有効範囲は [2, 10] です。デフォルト値は 5 です。

• roi：リスト型。字幕の認識対象領域（ROI）です。この ROI 内に含まれる字幕のみが抽出されます。形式は [[上端, 下端], [左端, 右端]] で、正規化された値を使用します。例：[[0.5, 1], [0, 1]] は動画の下半分を指定します。このパラメーターを指定しない場合、デフォルトの認識エリアは動画の下部 1/4 になります。

• lang：文字列型。認識言語です。有効な値は ch（中国語）、en（英語）、ch_ml（中国語・英語混在）です。デフォルト値は ch です。

• track：文字列型。main を指定すると、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指定しない場合、システムは指定された領域内に表示されるすべての字幕をデフォルトで抽出します。

VideoGreenScreenMatting

• bgimage：文字列型。マッティング後にオーバーレイする背景画像の URL です。例：http://example-image-****.example-location.aliyuncs.com/example/example.jpg。このパラメーターを指定しない場合、出力は alpha チャンネルを含む WebM 動画になります。

FaceBeauty

• beauty_params：文字列型。顔の美肌処理機能のパラメーターです。例："whiten=20,smooth=50,face_thin=50"。詳細については、「パラメーターの説明」をご参照ください。

VideoH2V

該当なし

MusicSegmentDetect

該当なし

AudioBeatDetection

該当なし

AudioQualityAssessment

該当なし

SpeechDenoise

入力音声は、サンプルレートが 16 kHz または 48 kHz の WAV 形式である必要があります。

AudioMixing

• inputs：リスト型。ミキシング対象の音声トラックの URI を格納したリストです。現在は 1 トラックのみサポートされています。例：{"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}

MusicDemix

該当なし