ApsaraVideo Media Processing:インテリジェント制作における API オペレーションのパラメーター

名前

タイプ

説明

Output

文字列

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は {resultType} プレースホルダーを使用して、出力される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

任意

サンプリングフレームレート。有効な値： [2,10]。デフォルト値： [5]。

roi

LIST

任意

関心領域。

• 指定した場合、この領域内のテキストのみを抽出します。このパラメーターを指定しない場合、ビデオフレームの下部 1/4 にあるテキストが抽出されます。

• 値は次の形式で設定します： [[top, bottom], [left, right]]。

• デフォルト値： N/A。

sep

ブール値

任意

中国語と英語の SRT ファイルを個別に生成するかどうかを指定します。デフォルト値： [False]。

formatter

文字列

任意

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

track

文字列

任意

このパラメーターを "main" に設定すると、メインの字幕トラックのみを抽出します。このパラメーターを指定しない場合、デフォルトでは指定した領域に表示されるすべての字幕を抽出します。デフォルト： [None]。

名前

タイプ

説明

Result

文字列

ジョブ結果に関する詳細情報。成功時の結果情報の例： {"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"captionextraction/b48d02b58e9b6a0d1c13271bcf9aa6d7-161121379****.srt\"}]}"}。

名前

型

必須

説明

bgimage

文字列

いいえ

代替背景画像。例： http://example-image-****.example-location.aliyuncs.com/example/example.jpg。

• このパラメーターを指定した場合、背景を置き換えた MP4 動画を返します。

• 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 動画を返します。

名前

型

説明

Result

文字列

ジョブの結果の詳細情報。成功結果の例： {"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"videogreenscreenmatting/16e6bc5ca802e12429d082010164dba3-160275535****_matting.mp4\"}]}"}。

名前

タイプ

必須

説明

None

None

None

None

名前

タイプ

説明

結果

文字列

ジョブの結果に関する詳細情報。成功時の結果の例： {"Code":"Success","Data":"{\"result\":[{\"start\":39.32,\"end\":63.85,\"title\":\"サビ\"},{\"start\":86.69,\"end\":114.45,\"title\":\"サビ\"},{\"start\":135.75,\"end\":160.27,\"title\":\"サビ\"}]}","Message":"Successful."}。

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場所です。最大 2 つの字幕ボックスをサポートします。例： [[bx1, by1, bw1, bh1], [bx2, by2, bw2, bh2]]

• bx： 動画の幅に対する字幕ボックスの左上隅の正規化された x 座標の比率です。例： 0.1

• by： 動画の高さに対する字幕ボックスの左上隅の正規化された y 座標の比率です。例： 0.0

• bw： 動画の幅に対する字幕ボックスの正規化された幅の比率です。例： 0.3

• bh： 動画の高さに対する字幕ボックスの正規化された高さの比率です。例： 0.2

LimitRegion

LIST

いいえ

字幕を除去したい領域です。システムは指定された領域内の字幕を検出し、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場所を直接指定する Text パラメーターよりも優先度が低いです。例： [[0, 0.6, 1, 0.4]]。この例では、システムは映像の下部 40% 内の字幕を検出し、検出された字幕を除去します。

名前

タイプ

説明

Result

文字列

ジョブの実行結果の詳細。これは JSON 形式の文字列です。この文字列には、字幕除去タスク自体の結果 (Code、Message、Details) が含まれます。成功時の例： {"Details":[],"Message":"success","Code":"Success"}。

名前

Type

Required

Description

なし

なし

なし

なし

名前

Type

Description

Result

STRING

The detailed information about the job result. Example of success result information: {"Details":[],"Message":"success","Code":"Success"}.

名前

タイプ

必須

説明

Logo

文字列

いいえ

除去するロゴの位置。値は [xmin, ymin, width, height] のフォーマットで設定します。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

文字列

ジョブの結果に関する詳細情報。成功した結果の例： {"Details":[],"Message":"success","Code":"Success"}。

名前

タイプ

必須

説明

Model

文字列

任意

スマートサムネイルのモデル。空の場合、静止画サムネイルが生成されます。アニメーションサムネイルを生成するには、このパラメーターを gif に設定します。

名前

タイプ

説明

Result

文字列

コールバックのレスポンスに含まれるジョブの結果。このパラメーターは JSON 形式の文字列です。成功した場合、この文字列をパースすると、結果の詳細を含む JSON オブジェクトが得られます。パース後の JSON オブジェクトの例：{"Data":[{"Score":8.270855992569906,"Time":"28278.25","Url":"cover/test-00001.jpg"},{"Score":7.474117489692728,"Time":"25942.583333333332","Url":"cover/test-00002.jpg"}],"Message":"success","Code":"Success"}。この例では、Data 配列の各要素において、Score はサムネイル結果の信頼度、Time はサムネイルフレームのタイムスタンプ、Url はサムネイルの URL を示します。

名前

型

必須

説明

なし

なし

なし

なし

名前

型

説明

Result

文字列

ジョブの結果に関する詳細情報。成功時の結果例：

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

名前

タイプ

必須

説明

なし

なし

なし

なし

名前

タイプ

説明

Result

文字列

ジョブの結果の詳細。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"}

名前

タイプ

必須

説明

—

—

—

この操作では、追加のパラメーターは使用されません。

名前

タイプ

説明

Result

文字列

ジョブ結果の詳細情報。成功時の結果例：{"Details":[],"Message":"success","Code":"Success"}。

名前

タイプ

必須

説明

なし

なし

なし

なし

名前

タイプ

説明

Result

文字列

ジョブの結果に関する詳細情報。成功結果の例： {"Code":"Success","Data":"{\"result\":[{\"file\":\"detectresult/normalvideo-161225931****.txt\"}]}","Message":"Successful."}。

名前

型

必須

説明

inputs

文字列

いいえ

ミックスするオーディオトラックファイルの URL。 URL は 1 つのみ指定できます。例： {"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}。

名前

型

説明

結果

文字列

ジョブの結果に関する詳細情報。成功時の結果情報の例： {"Message":"Successful.","Data":"{\"result\":[{\"file\":\"audiomix/alibaba-161283935****-origin.mp4\"}]}","Code":"Success"}。

名前

タイプ

説明

Output

文字列

パスでは {resultType} プレースホルダーを使用して、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できます。result はカートゥーン化された画像、origin は元の画像を示します。

名前

タイプ

説明

Result

文字列

ジョブの結果に関する詳細情報です。成功時の結果例： {"Code":"Success","Data":"{\"result\":[{\"file\":\"iproduction/test-result.jpg\"},{\"file\":\"iproduction/test-origin.jpg\"}]}","Message":"Successful."}。

名前

タイプ

説明

結果

文字列

ジョブが成功した場合の結果詳細です。

パラメーター

説明

Time

入力ファイルのスコアリング時に生成されたタイムスタンプです。

Input

入力ファイル名です。

Total Duration

入力ファイルの長さです。単位は秒です。

Speech Ratio

音声比率です。入力ファイルの長さに対する音声データの長さの比率です。有効な値の範囲は [0,100] で、単位はパーセントです。

Tag

検出が有効かどうかを示すタグです。

• Valid：検出は有効です。後続の主要指標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：入力ファイルの長さが 2 秒未満です。

• Mute：ファイルには無音のみが含まれています。

• Voice too Short：音声データの長さが 2 秒未満です。

MOS(0-5)

入力ファイルの平均オピニオン評点 (MOS) で、音声データの品質を示します。有効な値の範囲は [0,5] です。

MOS

MOS スコアのレベルです。有効な値は次のとおりです：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Discontinuity(0-5)

音声データの不連続性スコアです。音声データ収録時の途切れ (スタッター) 、マルチチャネル音声によるエコー、およびネットワーク接続不良によるパケット損失のため、不連続性スコアが低下します。有効な値の範囲は [0,5] です。

Discontinuity

不連続性スコアのレベルです。有効な値は次のとおりです：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Coloration(0-5)

音声データのカラーレーションスコアです。残響が大きい、ビットレートが低い、エンコードエラーがある、および発音が不明瞭であるなどの理由で、カラーレーションスコアが低下します。有効な値の範囲は [0,5] です。

Coloration

カラーレーションスコアのレベルです。有効な値は次のとおりです：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Noisiness(0-5)

音声データのノイズスコアです。有効な値の範囲は [0,5] です。

Noisiness

ノイズスコアのレベルです。有効な値は次のとおりです：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Loudness(0-5)

人の声のラウドネススコアです。値が大きいほど、声がより明瞭で大きいことを示します。値が小さいほど、ほとんど聞こえない声であることを示します。有効な値の範囲は [0,5] です。

Loudness

ラウドネススコアのレベルです。有効な値は次のとおりです：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Loudness(-90dB-0dB)

人の声の平均音量です。有効な値の範囲は [-90,0] で、単位はデシベルです。

• 声の音量をデシベルで示します。値が -24 未満の場合は、通常、声の音量が小さいことを示します。

• デフォルト値：-90.0。人の声が検出されないことを示します。

Double Talk Ratio(%)

同時発話率は、Discontinuity スコアが低い原因の推定に役立ちます。値の範囲は 0～100% です。

Bad Mute Ratio(%)

異常無音率です。2 チャネル音声データを含まない音声データ内の、異常な無音フレームをすべてカウントします。2 チャネル音声データをカットすることによって発生した無音フレームは除外されます。有効な値の範囲は [0,100] で、単位はパーセントです。

Saturated Ratio(%)

飽和率です。録音音量が過度に大きいことによる飽和 (音割れ) が発生した発話セグメントの割合を示します。広範囲にわたるポップノイズの問題の診断に役立ちます。値の範囲は 0～100% です。

Worst MOS(0-5)

スコアリングプロセスにおける MOS の最低値です。有効な値の範囲は [0,5] です。

Worst Discontinuity(0-5)

スコアリングプロセスにおける不連続性スコアの最低値です。有効な値の範囲は [0,5] です。

Worst Noisiness(0-5)

スコアリングプロセスにおけるノイズスコアの最低値です。有効な値の範囲は [0,5] です。

Worst Coloration(0-5)

スコアリングプロセスにおけるカラーレーションスコアの最低値です。有効な値の範囲は [0,5] です。

名前

タイプ

必須

説明

beauty_params

文字列

いいえ

FaceBeauty オペレーションのパラメーターです。例： "whiten=30,smooth=40,face_thin=15"

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を指定します。

• 有効な値： [0, 1]

• 0： 無効

• 1： 有効

• デフォルト値： 1

shape_beauty_enable

int

顔の輪郭調整を有効にするかどうかを指定します。

• 有効な値： [0, 1]

• 0： 無効

• 1： 有効

• デフォルト値： 1

whiten

int

美白の度合いを指定します。値が大きいほど、肌が白く見えます。

• 有効な値： [0, 100]

• デフォルト値： 20

smooth

int

肌の平滑化の度合いを指定します。値が大きいほど、肌が滑らかに見えます。

• 有効な値： [0, 100]

• デフォルト値： 20

detail

int

肌のきめ細かさの度合いを指定します。値が大きいほど、肌のきめが細かくなり、肌の詳細が多く残ります。

• 有効な値： [0, 100]

• デフォルト値： 20

skin_model

int

スキンモデル機能を有効にするかどうかを指定します。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。

• 有効な値： [0, 1]

• 0： 無効

• 1： 有効

• デフォルト値： 1

cheek_thin

float

頬を細くする度合いを指定します。

• 有効な値： [0, 100]

• デフォルト値： 0

face_cut

float

頬骨を狭くする度合いを指定します。

• 有効な値： [0, 100]

• デフォルト値： 0

face_thin

float

顔を細くする度合いを指定します。

• 有効な値： [0, 100]

• デフォルト値： 0

face_length

float

顔の長さを調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

chin_length

float

あごの長さを調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

chin_thin

float

あごを細くする度合いを指定します。

• 有効な値： [0, 100]

• デフォルト値： 0

eye_size

float

目を大きくする度合いを指定します。

• 有効な値： [0, 100]

• デフォルト値： 0

eye_corner1

float

目頭を垂直方向に調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

eye_distance

float

目の間隔を調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

nose_thin

float

鼻を細くする度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

nose_wing

float

鼻翼を細くする度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

nose_length

float

鼻の長さを調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

mouth_size

float

口のサイズを調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

mouth_position

float

人中の長さを調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

lip_thickness

float

唇の厚さを調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

hair_line

float

生え際を調整する度合い (双方向) を指定します。

• 有効な値： [-100, 100]

• デフォルト値： 0

smile

float

笑顔を強調する度合いを指定します。

• 有効な値： [0, 100]

• デフォルト値： 0

detect_mode

int

顔検出モードを指定します。

• 有効な値： [0, 1]

• 0： ビデオモード

• 1： 画像モード

• デフォルト値： 1

detect_level

int

顔検出器の解像度を指定します。低解像度では、小さい顔が検出されない場合があります。

• 有効な値： [0, 2]

• 0： 最も低い解像度で、最も速い検出速度。

• 1： 中程度の解像度で、中程度の検出速度。

• 2： 最も高い解像度で、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を指定します。

• 有効な値： [0, 1]

• デフォルト値： 0.8

detect_interval

int

ビデオモードでの、連続した顔検出間のフレーム数を指定します。

• 有効な値： [1, 65535]

• デフォルト値： 5

max_face_num

int

検出可能な顔の最大数を指定します。

• 有効な値： [0, 32]

• デフォルト値： 32

min_face

int

検出可能な最小の顔幅をピクセル単位で指定します。

• 有効な値： [10, 1024]

• デフォルト値： 40

名前

タイプ

説明

結果

文字列

ジョブ結果の詳細情報です。成功したジョブの応答例： {"Code":"Success","Data":"{\"result\":[{\"file\":\"result.mp4\"}]}","Message":"Successful."}