ApsaraVideo Media Processing:インテリジェントプロダクション API オペレーションのパラメーター

名前

タイプ

説明

Output

String

JobParams パラメーターが中国語と英語を分離するように設定されている場合、出力ファイルパスで {resultType} プレースホルダーがサポートされ、出力字幕ファイルが中国語か英語かを指定できます。zh は中国語、en は英語を示します。

名前

タイプ

必須

説明

fps

INT

いいえ

サンプリングフレームレート。有効値：[2,10]。デフォルト値：5。

roi

LIST

いいえ

関心領域。

• 指定した場合、その領域内のテキストのみが抽出されます。デフォルトでは、ビデオフレームの下部 4 分の 1 のテキストが抽出されます。

• 値は次のフォーマットで設定します：[[top, bottom], [left, right]]。

• デフォルト値：N/A。

sep

BOOLEAN

いいえ

中国語と英語の SRT ファイルを個別に生成するかどうか。デフォルト値：False。

formatter

String

いいえ

SRT 字幕のフォーマット文字列。例：「{\an8}」。デフォルト値：N/A。

track

String

いいえ

このパラメーターを "main" に設定すると、メイン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、デフォルトで指定された領域に表示されるすべての字幕が抽出されます。デフォルト：None。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"captionextraction/b48d02b58e9b6a0d1c13271bcf9aa6d7-161121379****.srt\"}]}","Duration":123}。

名前

タイプ

必須

説明

bgimage

String

いいえ

差し替え用の背景画像。例：http://example-image-****.example-location.aliyuncs.com/example/example.jpg。

• このパラメーターを指定すると、背景画像が差し替えられた MP4 ビデオが返されます。

• このパラメーターを指定しない場合、アルファチャンネル付きの WebM ビデオが返されます。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"videogreenscreenmatting/16e6bc5ca802e12429d082010164dba3-160275535****_matting.mp4\"}]}","Duration":123}。

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Code":"Success","Data":"{\"result\":[{\"start\":39.32,\"end\":63.85,\"title\":\"Chorus\"},{\"start\":86.69,\"end\":114.45,\"title\":\"Chorus\"},{\"start\":135.75,\"end\":160.27,\"title\":\"Chorus\"}]}","Message":"Successful.","Duration":123}。

名前

タイプ

必須

説明

Text

LIST

いいえ

除去したい字幕ボックスの位置。最大 2 つの字幕ボックスがサポートされます。例：[[bx1, by1, bw1, bh1], [bx2, by2, bw2, bh2]]。

• bx：字幕ボックスの左上隅の正規化された x 座標とビデオ幅の比率。例：0.1。

• by：字幕ボックスの左上隅の正規化された y 座標とビデオ高さの比率。例：0.0。

• bw：字幕ボックスの正規化された幅とビデオ幅の比率。例：0.3。

• bh：字幕ボックスの正規化された高さとビデオ高さの比率。例：0.2。

LimitRegion

LIST

いいえ

字幕を除去したいエリア。システムは指定されたエリア内の字幕を検出し、検出された字幕を除去します。このパラメーターは、除去する字幕ボックスの位置を直接指定する Text パラメーターよりも優先度が低くなります。例：[[0, 0.6, 1, 0.4]]。この例では、システムはビデオ画像の下部 40% の字幕を検出し、検出された字幕を除去します。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Details":[],"Message":"success","Code":"Success","Duration":123}。

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

Result

STRING

ジョブ結果の詳細情報。成功した結果情報の例：{"Details":[],"Message":"success","Code":"Success","Duration":123}。

名前

タイプ

必須

説明

Logo

String

いいえ

除去したいロゴの位置。[xmin, ymin, width, height] のフォーマットで値を設定します。一度に最大 2 つのロゴを除去できます。例：[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Details":[],"Message":"success","Code":"Success","Duration":123}。

名前

タイプ

必須

説明

Model

String

いいえ

スマートサムネイルモデル。空のままにすると、静止画サムネイルが生成されます。gif に設定すると、アニメーションサムネイルが生成されます。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Details":[],"Message":"success","Code":"Success"}{"Message":"success","Data":"[{\"Score\":8.270855992569906,\"Time\":\"28278.25\",\"Url\":\"cover/test-00001.jpg\"},{\"Score\":7.474117489692728,\"Time\":\"25942.583333333332\",\"Url\":\"cover/test-00002.jpg\"}]","Code":"Success","Duration":123}。この例では、Score はサムネイル結果の信頼度を示し、Time はサムネイルフレームのタイムスタンプを示し、Url はサムネイルの URL を示します。

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：

{"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"videoclip/16e6bc5ca802e12429d082010164****-1602755353502-origin.mp4\"}]}","Duration":123}

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

Result

String

ジョブ結果の詳細。このパラメーターはジョブが成功した場合に返されます。例：{"Details":[],"Message":"success","Code":"Success","Duration":123}

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

Result

STRING

ジョブ結果の詳細情報。成功した結果情報の例：{"Details":[],"Message":"success","Code":"Success","Duration":123}。

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

Result

STRING

ジョブ結果の詳細情報。成功した結果情報の例：{"Code":"Success","Data":"{\"result\":[{\"file\":\"detectresult/normalvideo-161225931****.txt\"}]}","Message":"Successful.","Duration":123}。

名前

タイプ

必須

説明

inputs

String

いいえ

ミックスするオーディオトラックファイルの URL。1 つの URL のみがサポートされます。例：{"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Message":"Successful.","Data":"{\"result\":[{\"file\":\"audiomix/alibaba-161283935****-origin.mp4\"}]}","Code":"Success","Duration":123}。

名前

タイプ

説明

Output

STRING

パス内の {resultType} プレースホルダーは、結果ファイルがカートゥーン化された画像か元の画像かを区別するためにサポートされています。result はカートゥーン化された画像を示し、origin は元の画像を示します。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Code":"Success","Data":"{\"result\":[{\"file\":\"iproduction/test-result.jpg\"},{\"file\":\"iproduction/test-origin.jpg\"}]}","Message":"Successful.","Duration":123}。

名前

タイプ

説明

Result

String

成功したジョブ結果の詳細。

パラメーター

説明

Time

入力ファイルがスコアリングされたときに生成されたタイムスタンプ。

Input

入力ファイル名。

Total Duration

入力ファイルの持続時間。単位：秒。

Speech Ratio

オーディオデータの持続時間と入力ファイルの持続時間の比率。有効値：[0,100]。単位：パーセント。

Tag

検出が有効かどうかを示すタグ。

• Valid：検出は有効です。これは、後続の主要メトリックと平均オピニオン評点 (MOS) が有効であることを示します。

• File too Short：入力ファイルの持続時間が 2 秒未満です。

• Mute：ファイルにはサイレンスのみが含まれています。

• Voice too Short：オーディオデータの持続時間が 2 秒未満です。

MOS(0-5)

入力ファイルの MOS で、オーディオデータの品質を表します。有効値：[0,5]。

MOS

スコアレベル。有効値：

• >4–5：Excellent

• [3, 4)：良好

• [2, 3)：普通

• [1, 2)：Poor

• [0, 1)：Bad

Discontinuity(0-5)

オーディオデータの連続性スコア。連続性スコアは、オーディオデータキャプチャのコマ落ち問題、マルチチャンネルオーディオによるエコー問題、ネットワーク接続不良によるパケット損失問題などの理由で低下します。有効値：[0,5]。

Discontinuity

連続性スコアレベル。有効値：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Poor

Coloration(0-5)

オーディオデータの明瞭度スコア。明瞭度スコアは、大きな残響、低いビットレート、エンコーディングエラー、不明瞭な発音などの理由で低下します。有効値：[0,5]。

Coloration

スコアレベル。有効値：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Noisiness(0-5)

オーディオデータのノイズスコア。有効値：[0,5]。

Noisiness

スコアレベル。有効値：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Poor

Loudness(0-5)

人間の声のラウドネススコア。値が高いほど、声はよりクリアで大きく聞こえます。値が低いほど、声はほとんど聞こえません。有効値：[0,5]。

Loudness

スコアレベル。有効値：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Poor

Loudness(-90dB-0dB)

人間の声の平均ボリューム。有効値：[-90,0]。単位：デシベル。

• 声のボリュームをデシベルで表します。-24 未満の値は通常、声のボリュームが低いことを示します。

• デフォルト値：-90.0。これは人間の声が検出されなかったことを示します。

Double Talk Ratio(%)

ダブルトーク率は、低い連続性スコアの考えられる原因を特定するのに役立ちます。値は 0 から 100 の範囲のパーセンテージです。

Bad Mute Ratio(%)

異常な無音フレームの割合。2 チャンネルオーディオデータを含まないオーディオデータのすべての異常な無音フレームがカウントされますが、2 チャンネルオーディオデータの切り取りによって生じる無音フレームは除外されます。有効値：[0,100]。単位：パーセント。

Saturated Ratio(%)

このメトリックは、ポッピング音を含む音声セグメントの割合を示します。録音ボリュームが過度に高いことによって引き起こされる広範囲なポッピング問題を診断するのに役立ちます。値は 0 から 100 の範囲のパーセンテージです。

Worst MOS(0-5)

スコアリングプロセス中の最低 MOS。有効値：[0,5]。

Worst Discontinuity(0-5)

スコアリングプロセス中の最悪の連続性スコア。有効値：[0, 5]。

Worst Noisiness(0-5)

スコアリングプロセス中の最高のノイズスコア。有効値：[0,5]。

Worst Coloration(0-5)

スコアリングプロセス中の最悪のカラレーションスコア。有効値：[0, 5]。

名前

タイプ

必須

説明

beauty_params

String

いいえ

FaceBeauty オペレーションのパラメーター。例："whiten=20,smooth=50,face_thin=50"

パラメーター

タイプ

説明

skin_beauty_enable

int

肌磨きを有効にするかどうか。

• 有効値：[0,1]。

• 0：無効

• 1：有効

• デフォルト値：1。

shape_beauty_enable

int

顔の形状調整を有効にするかどうか。

• 有効値：[0,1]。

• 0：無効

• 1：有効

• デフォルト値：1。

whiten

INT

美白の度合い。値が大きいほど、肌は白く見えます。

• 有効値：[0,100]。

• デフォルト値：20

smooth

int

スキンスムージングの度合い。値が大きいほど、肌は滑らかに見えます。

• 有効値：[0,100]。

• デフォルト値：20

detail

INT

肌のきめの度合い。値が大きいほど、肌のきめが細かくなり、肌のディテールが多くなります。

• 有効値：[0,100]。

• デフォルト値：20

skin_model

int

スキンモデル特徴量を有効にするかどうか。有効にすると、美白は肌として検出された領域にのみ適用されます。

• 有効値：[0,1]。

• 0：無効

• 1：有効

• デフォルト値：1。

cheek_thin

float

額骨の薄化の度合い。

• 有効値：[0,100]。

• デフォルト値：0。

face_cut

float

頬骨の縮小の度合い。

• 有効値：[0,100]。

• デフォルト値：0。

face_thin

float

顔の痩身の度合い。

• 有効値：[0,100]。

• デフォルト値：0。

face_length

float

顔の長さ調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

chin_length

float

顎の長さ調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

chin_thin

float

顎の痩身の度合い。

• 有効値：[0,100]。

• デフォルト値：0。

eye_size

float

目の拡大の度合い。

• 有効値：[0,100]。

• デフォルト値：0。

eye_corner1

float

目頭の垂直調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

eye_distance

float

目と目の間の距離調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

nose_thin

float

鼻を細くする度合い（双方向）。

• 有効値：[-100,100]。

• デフォルト値：0。

nose_wing

float

小鼻の縮小の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

nose_length

float

鼻の長さ調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

mouth_size

FLOAT

口の大きさ調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

mouth_position

float

人中の長さ調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

lip_thickness

float

唇の厚さ調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

hair_line

float

生え際の調整の度合い (双方向)。

• 有効値：[-100,100]。

• デフォルト値：0。

smile

float

笑顔の強調の度合い。

• 有効値：[0,100]。

• デフォルト値：0。

detect_mode

float

顔検出モード。

• 有効値：[0,1]。

• 0：ビデオモード。

• 1：イメージモード。

• デフォルト値：1。

detect_level

float

顔検出器の解像度。解像度が低いと、小さい顔が検出されない場合があります。

• 有効値：[0,2]。

• 0：最低解像度で最速の検出速度。

• 1：中間解像度で中間の検出速度。

• 2：最高解像度で最も遅い検出速度。

• デフォルト値：1。

threshold

float

顔検出の信頼度のしきい値。

• 有効値：[0,1]。

• デフォルト値：0.8。

detect_interval

float

ビデオモードでの連続した顔検出間のフレーム数。

• 有効値：[1,65535]。

• デフォルト値：5。

max_face_num

float

検出可能な顔の最大数。

• 有効値：[0,32]。

• デフォルト値：32。

min_face

float

最小の顔幅 (ピクセル単位)。

• 有効値：[10,1024]。

• デフォルト値：40。

名前

タイプ

説明

Result

String

ジョブ結果の詳細情報。成功した結果情報の例：{"Code":"Success","Data":"{\"result\":[{\"file\":\"result.mp4\"}]}","Message":"Successful.","Duration":123}。