メディア処理：トランスコーディング、暗号化、AI - ApsaraVideo Media Processing

ApsaraVideo Media Processing (MPS) は、さまざまなネットワーク帯域幅、デバイス、ユーザーニーズに合わせてメディアファイルを変換します。メディアコンテンツ、テキスト、音声、シーンを分析し、自動審査、コンテンツ認識、スマート編集を提供します。

音声と動画のトランスコーディング

トランスコーディングでは、さまざまなネットワーク帯域幅と再生デバイスに合わせて、メディアストリームを異なる解像度、エンコード形式、またはコンテナフォーマットに変換します。ApsaraVideo Media Processing (MPS) は、主要なエンコード形式とコンテナフォーマットをサポートし、トランスコーディング中にウォーターマーク、キャプション、または簡単な編集を追加できます。コンソールまたは API で利用できない機能については、アカウントマネージャーにお問い合わせください。

重要

以下の機能を使用するには、トランスコーディングジョブを送信する必要があります。出力動画の仕様と長さに応じて、標準のトランスコーディング料金が適用されます。課金の詳細については、「トランスコーディングの料金」をご参照ください。

パラメータ	タイプ	説明
入力ファイル	コンテナフォーマット	動画： 3GP、 AVI、 FLV、 MP4、 M3U8、 MPG、 ASF、 WMV、 MKV、 MOV、 TS、 WebM、 MXF、 VOB。音声： AAC、 FLAC、 M4A、 MP3、 MP4、 OGG。キャプション： ASS、 SSA、 SRT、 VTT。
	動画エンコード形式	Apple ProRes、 AVS+、 AVS、 AVS2、 H.263、 H.263+、 H.264/AVC、 H.265/HEVC、 MJPEG、 MPEG-1、 MPEG-2、 MPEG-4、 QuickTime、 RealVideo、 VP8、 VP9、 Windows Media Video。
	音声エンコード形式	AAC、 AC3、 ADPCM、 AMR、 DSD、 EAC3、 MP1、 MP2、 MP3、 PCM、 RealAudio、 Vorbis、 Windows Media Audio。
	ファイルサイズ	最大 100 GB。
	クロマサブサンプリング	例： 4:2:2、 4:2:0。
出力ファイル	コンテナフォーマット	説明コンテナフォーマットは、「サポートされる形式」に記載されている互換性のあるエンコード形式と組み合わせる必要があります。コンソールまたは API で利用できない機能については、アカウントマネージャーにお問い合わせください。リマックスでは、コンテナフォーマットのみが変更され、音声または動画ストリームは再エンコードされません。リマックスでサポートされる出力形式は MP4、 HLS、 FLV です。動画： HLS、 DASH、 CMAF、 3GP、 AVI、 FLV、 F4V、 fMP4、 MKV、 MOV、 MP4、 MPEG、 TS、 MXF、 WebM。アニメーション画像： GIF、 WEBP。音声： AAC、 M4A、 MP2、 MP3、 MP4、 OGG、 FLAC、 WAV。
	エンコード形式	動画： H.263、 H.264/AVC、 H.265/HEVC、 VP8、 VP9、 AV1、 AVC-Intra、 AVS2、 MPEG-1、 MPEG-2、 MPEG-2 422、 MPEG-4、 Apple ProRes。アニメーション画像： GIF、 WEBP。音声： AAC、 AC3、 EAC3、 MP2、 MP3、 FLAC、 OPUS、 VORBIS、 Windows Media Audio、 pcm_s16le。
	エンコードプロファイル	H.264 は、 Baseline、 Main、 High のエンコードプロファイルをサポートしています。 AAC は、 aac_low、 aac_he、 aac_he_v2、 aac_ld、 aac_eld のエンコードプロファイルをサポートしています。
	解像度	H.264 の出力解像度： [128, 4096] ピクセル。 H.265、 H.266、 AV1 の出力解像度： [128, 8192] ピクセル。
	ビットレート	H.264 の出力ビットレート： [10, 50000] Kbps。 H.265、 H.266、 AV1 の出力ビットレート： [10, 200000] Kbps。
	フレームレート	出力フレームレートの範囲は (0, 60] fps です。
	ビット深度	H.264 は 8 ビットをサポートしています。 H.265 は最大 12 ビットをサポートしています。
	ピクセルフォーマット	yuv420p、 yuvj420p、 yuv422p、 yuvj422p、 yuv444p、 yuvj444p など。
	ビットレート制御	VBR (可変ビットレート)、 CBR (固定ビットレート)、 ABR (平均ビットレート)、 CRF (固定レート係数)。
	走査方式	サポートされているモードは、元の動画モード、自動デインターレース、インターレース走査、プログレッシブ走査です。

Narrowband HD^™

Narrowband HD^™ は、Alibaba Cloud のトランスコーディング技術を使用して動画の圧縮率を向上させ、ファイルサイズを削減し、再生バッファリングを最小限に抑え、ストレージと帯域幅のコストを削減します。

重要

これらの機能を使用するには、トランスコーディングジョブを送信する際に、対応する Narrowband HD トランスコーディングテンプレートを選択する必要があります。Narrowband HD トランスコーディングの料金は、出力ビデオの仕様と長さに基づいて課金されます。

タイプ	説明
Narrowband HD^™ 1.0	シーン、モーション、コンテンツ、テクスチャを分析し、画質を維持しながらビットレートを 20%〜40% 削減するか、同じ帯域幅でより高い解像度を提供します。H.264 と H.265 をサポートしています。その他のパラメータは標準トランスコーディングと同じです。
Narrowband HD^™ 2.0	軽量な解像度復元と画質向上を統合することで標準エンコーダーを上回り、画質を維持しながらビットレートを 40%〜60% 削減するか、低帯域幅ネットワークでプレミアム HD を提供します。H.264 と H.265 をサポートしています。その他のパラメータは標準トランスコーディングと同じです。

オーディオとのエンハンスメント

オーディオのエンハンスメント

ApsaraVideo Audio Lab は、信号処理とディープラーニングを組み合わせて、さまざまなシナリオでオーディオをエンハンスおよび復元します。

重要

以下の機能を使用するには、トランスコーディングジョブを送信する際に、対応するパラメーターを設定する必要があります。オーディオ部分には、出力オーディオの仕様と長さに基づいてオーディオとビデオのエンハンスメント料金が課金されます。ビデオ部分には、使用するサービスに基づいてトランスコーディング料金が課金されます。オーディオエンハンスメントのトランスコーディングテンプレートを有効にするには、DingTalk グループ 32171220 に参加して、Alibaba Cloud テクニカルサポートにお問い合わせください。

機能	説明
サウンドエンハンスメント	モノラル、ステレオ、5.1、7.1 のオーディオをエンハンスし、ヘッドフォンやスピーカーで映画館品質のサウンドを提供します。音楽、スピーチ、映画に最適です。
音量正規化	ショートビデオフィードや連続した音楽再生において、一貫性のないソースによる音量の変動を解消するため、ラウドネスを調整・正規化します。

高速トランスコーディング

高速トランスコーディングでは、動画をセグメントに分割し、並列でトランスコーディングすることで、処理速度を 5～30 倍に高めます。ニュース、スポーツイベント、プレミア公開など、即時性が求められるコンテンツに最適です。

重要

トランスコーディングジョブを高速化するには、高速トランスコーディングキューに送信してください。音声と動画のトランスコーディング、または音画質エンハンスメントの標準料金に加えて、高速トランスコーディングの追加料金が発生します。この料金は、出力動画の仕様、時間、および実際のスピードブーストに基づいて算出されます。

タイプ	説明
スピードブースト	スピードブーストは、入力動画に応じて通常 5～30 倍です。高速トランスコーディングキューでは、5 倍、10 倍、20 倍、30 倍など、希望のスピードブーストを設定できます。
適用対象の動画	30 分を超える長尺の動画、または高フレームレート、UHD 解像度、音画質エンハンスメントなどの複雑な処理が必要な動画に推奨します。高速トランスコーディングの制限。
フォールバックポリシー	セグメンテーションはすべての動画でサポートされているわけではありません。高速トランスコーディングと互換性のない動画を高速トランスコーディングキューに送信した場合、ジョブは自動的に通常トランスコーディングモードにフォールバックします。

追加処理

メディア情報

OSS に保存されている音声ファイルおよび動画ファイルから、解像度、ビットレート、フレームレート、コーデック、ファイル形式などのメタデータを取得します。

重要

この機能を使用するには、メディア情報ジョブを送信する必要があります。この機能は、リクエスト数に基づいて API コールとして課金されます。

シンプルな編集

音声抽出、動画抽出、結合、動画クリッピング、音声ミキシングなどのシンプルな動画編集を実行します。

重要

以下の機能を使用するには、トランスコーディングジョブを送信する際に、対応するパラメータを設定する必要があります。この機能では、出力動画の仕様と長さに応じてトランスコーディング料金が発生します。

機能	説明	関連する API パラメータ	コンソール操作
音声抽出	動画トラックを無効化して、動画ファイルから音声トラックを抽出します。	Remove	対応
動画抽出	音声トラックを無効化して、動画ファイルから動画トラックを抽出します。	Remove	対応
黒帯除去	動画フレームの黒帯を検出し、自動的にクロップします。	Crop	非対応
ビデオクロッピング	クロップ後に保持する領域の幅と高さ、および入力動画フレームの左上隅に対する当該領域の位置を指定します。周囲の領域は自動的にクロップされます。	Crop	非対応
黒帯追加	黒帯追加後の出力動画の幅と高さ、および出力フレームの左上隅に対する入力動画フレームの位置を指定します。周囲の余白は黒帯で埋められます。	Pad	非対応
向きの自動調整	幅と高さではなく長辺と短辺で出力解像度を定義します。入力動画に横向きと縦向きが混在する場合に推奨します。	LongShortMode	対応
ビデオ回転	動画の回転角度を設定します。	Rotate	対応
ビデオ結合	最大 100 本の動画を結合できます。結合する各動画の開始時刻と長さを設定できます。	MergeList または MergeConfigUrl	非対応
ビデオクリッピング	動画セグメントクリッピング：指定した時点から指定した長さの動画セグメントを抽出します。末尾トリミング：動画の末尾から指定した長さのセグメントをトリミングします。	Clip	対応
オープニングとテールスレート	冒頭に動的ロゴをオーバーレイし、末尾にテールスレートコンテンツを追加して、ブランド認知度の向上と著作権表示を実現します。	OpeningList および TailSlateList	テールスレートの追加に対応
ウォーターマーク除去	動画内の指定領域からウォーターマークを除去します。	DeWatermark	非対応
音声ミキシング	2つの音声トラックを結合します。BGMの追加に最適です。	Amix	非対応

ビデオスナップショット

動画内の指定した時点で、指定したサイズのスナップショットを取得します。スナップショットは、動画のカバー画像、スプライト、およびプレーヤーの進行状況バー上のサムネイルとして使用できます。

重要

以下の機能を使用するには、スナップショットジョブを送信する必要があります。この機能では、取得したスナップショット数に基づいて API コールとして課金されます。

機能	説明	関連する API パラメータ	コンソール操作
静止画スナップショット	動画内の指定した時点で、指定したサイズの JPG スナップショットを取得します。以下のサンプリング方法を使用できます：単一スナップショット：指定した時点でスナップショットを1枚取得します。この方法は同期コールと非同期コールに対応しています。間隔スナップショット：開始時刻から指定した間隔でスナップショットを取得します。枚数に達するか、動画が終了すると停止します。間隔の単位は秒です。非同期コールのみに対応しています。平均スナップショット：指定した時点から動画の末尾までを一定間隔で分割し、指定した枚数のスナップショットを取得します。この方法は非同期コールのみに対応しています。時点スナップショット：指定した一連の時点でスナップショットを取得します。この方法は非同期コールのみに対応しています。	SnapshotConfig	対応
スプライトスナップショット	レイアウトルールに基づき、静止画スナップショットを1枚の大きな画像 (スプライト) に結合します。出力形式は JPG です。非同期コールのみに対応しています。スプライトでは、1回のリクエストで複数の画像を取得できるため、リクエスト数を削減し、クライアントのパフォーマンスを向上させることができます。	TileOut、TileOutputFile	非対応
WebVTT スナップショット	静止画スナップショットまたはスプライトの VTT ファイルを生成します。VTT ファイルには、タイムスタンプ、ファイル URL、座標情報が含まれます。画像を表示するには、最初に VTT ファイルを取得して解析してください。プレーヤーのプログレスバーのサムネイル表示に便利です。	SubOut	対応
キーフレームスナップショット	この機能では、キーフレームでのみスナップショットを取得します。指定した時点がキーフレームではない場合、最も近いキーフレームを使用します。	FrameType	対応
開始フレームの黒画面検出	開始フレーム (time = 0) の黒画面検出を有効にできます。黒画面は、黒いピクセルの割合と色値のしきい値によって定義されます。サービスは最初の 5 秒間をスキャンし、黒画面ではないフレームが見つかった場合はそのフレームをキャプチャします。見つからない場合、単一スナップショットジョブは失敗し、複数スナップショットジョブでは最初の黒画面フレームをキャプチャします。	BlackLevel、PixelBlackThreshold	対応

ビデオウォーターマーク (可視ウォーターマーク)

企業ロゴやテレビ局のアイコンなどの可視ウォーターマークを動画に追加して、ブランドアイデンティティを強化し、著作権を明示し、製品の認知度を向上させます。著作権追跡のために不可視のブラインドウォーターマークを追加するには、以下の電子透かし (ブラインドウォーターマーク) セクションをご参照ください。

重要

以下の機能を使用するには、トランスコーディングジョブを送信し、ウォーターマークアセットとオプションのウォーターマークテンプレートを指定する必要があります。この機能では、出力ビデオの仕様と長さに応じてトランスコーディング料金が発生し、ウォーターマークの数に基づいて API コールに対して課金されます。

機能	説明	関連する API パラメータ	コンソール操作
画像ウォーターマーク	1本の動画に最大4つのウォーターマークを追加できます。各ウォーターマークの開始時刻、表示時間、位置、サイズを設定できます。画像ウォーターマークでサポートされる形式には、静止 PNG (.png)、アニメーション PNG (.apng)、MOV (.mov)、GIF (.gif) が含まれます。開発を簡略化するため、ウォーターマークテンプレートを使用できます。	WaterMarks	対応
テキストウォーターマーク	1本の動画に最大4つのウォーターマークを追加できます。各ウォーターマークの開始時刻、表示時間、位置、サイズを設定できます。テキスト内容、フォントサイズ、フォント、色、透明度、アウトライン効果を設定できます。サポートされるフォントと色については、「Fonts」および「Color」をご参照ください。テキストウォーターマークはウォーターマークテンプレートに対応していません。	WaterMarks	非対応

字幕

多言語対応、または無音環境や騒音環境での視聴のために、動画に字幕を追加します。この機能により、聴覚に障がいのあるユーザーも動画コンテンツを利用できます。

重要

以下の機能を使用するには、トランスコーディングジョブを送信するか、ワークフローを使用してトランスコーディングを開始する必要があります。この機能では、出力動画の仕様と長さに応じてトランスコーディング料金が発生します。

機能	説明	関連する API パラメータ	コンソール操作
字幕パッケージング	ワークフローを使用して、字幕ファイルを音声および動画ストリームとともにマスタープレイリスト (.m3u8 または .mpd) にパッケージングします。プレーヤー内で切り替え可能な字幕トラックを最大4つまでサポートしています。形式は、HLS では VTT、DASH では VTT、STL、TTML に対応します。	HLS パッケージング： ExtXMedia DASH パッケージング： inputconfig	対応

ビデオパッケージング

パッケージングとは、複数ビットレートのレンディション、音声トラック、字幕トラックから、マスタープレイリストファイルを生成するプロセスです。ストリーミングメディアのシナリオでは、次のことが可能になります：

アダプティブビットレートストリーミング：ユーザーのネットワーク状況に合わせてストリーム品質を調整し、起動遅延と再生バッファリングを低減します。
広告挿入：セグメント間に動画広告を柔軟に挿入できます。

重要

以下の機能を使用するには、ワークフローを介してトランスコーディングを開始する必要があります。この機能では、出力ビデオの仕様と長さに応じてトランスコーディング料金が発生します。

機能	説明	関連する API パラメータ	コンソール操作
HLS プロトコル	Apple HLS プロトコルを使用してコンテンツをパッケージングします。2階層のインデックス構造をサポートしています。インデックスファイルは M3U8 形式で、動画ファイルは TS 形式です。	「HLSでコンテンツをパッケージングする方法」をご参照ください。	対応
CMAF プロトコル	CMAF プロトコルを使用してコンテンツをパッケージングします。HLS または DASH 形式での出力をサポートしています。	なし	非対応
カスタムセグメント期間	最大 10 個のセグメントのタイムポイントと、残りの期間については別の間隔を指定します。間隔は 1～60 秒の範囲で設定できます。この機能は、クライアントの帯域幅状況に応じてセグメント期間を設定し、初回フレーム表示までの時間を短縮するのに役立ちます。	Segment	非対応

ビデオ暗号化

重要

以下の機能を使用するには、ワークフローでトランスコーディングを開始する必要があります。この機能では、出力ビデオの仕様と長さに応じてトランスコーディング料金が発生します。

機能	説明	関連する API パラメータ	コンソール操作
HLS 暗号化	自己管理キーまたは KMS を使用する HLS AES-128 で、動画コンテンツを暗号化します。標準の HLS 準拠プレーヤーで復号して再生できます。幅広いデバイス互換性を維持しつつ、高いセキュリティを提供します。	該当なし	対応
Alibaba Cloud 独自暗号化	Alibaba Cloud の独自プロトコルと KMS のキー管理を使用して、動画ファイルを HLS 暗号化形式に暗号化します。再生には ApsaraVideo Player が必要です。ファイルをダウンロードしても再生や再配布を防止できます。オンライン教育やプレミアムコンテンツに最適です。	該当なし	対応

Video AI

自動審査

この機能は、タイトル、説明、カバー、動画、オーディオなどのメディアコンテンツを審査し、ポリシー違反を検出します。一般的なユースケースには、ショート動画プラットフォーム、ライブストリーミング、メディアコンプライアンスが含まれます。。

重要

以下の機能を使用するには、メディア審査ジョブを送信する必要があります。正常に処理された動画の時間に基づいて、自動審査の料金が課金されます。

機能	コンテンツ	説明
コンテンツモデレーション	ポルノ検出	音声、テキスト、映像内のポルノコンテンツおよび性的示唆のあるコンテンツを検出します。
	テロ関連コンテンツ検出	武器、流血、特定の服装、爆発、特殊記号、群衆、パレードなど、10種類以上のカテゴリにおいてテロ関連および政治的にセンシティブなコンテンツを検出します。
	広告および QR コード検出	テキスト、ウォーターマーク、QR コード、スパム広告、ミニプログラムコードなど、メディアファイル内のさまざまな形態の広告を検出します。
	ロゴ検出	TV 局ロゴ、商標、ウォーターマークなど、動画や画像内のさまざまなロゴを検出します。一般的に著作権保護に使用されます。
	不適切なシーン検出	ピクチャーインピクチャー (PiP)、喫煙、車内ライブ配信、無意味な映像など、モデレーションが必要な不適切なシーンを検出します。
	オーディオのスパム対策	音声内のポルノ、テロ、暴言などのポリシー違反を検出します。中国語と英語の両方に対応しています。

メディアフィンガープリント

この機能は、Alibaba Cloud の技術を使用してメディアファイルの固有のフィンガープリントを作成します。動画、画像、オーディオ、テキストのフィンガープリントを抽出して比較することで、重複コンテンツを検出し、メディアクリップの出所を追跡できます。。

重要

以下の機能を使用するには、メディアフィンガープリントジョブを送信する必要があります。正常に処理された動画またはオーディオの時間に基づいて、メディアフィンガープリントの料金が課金されます。

機能	説明
動画フィンガープリント	動画から視覚フィンガープリントを抽出します。フィンガープリントをライブラリに追加して分析・比較することで、類似動画を検出できます。
オーディオフィンガープリント	オーディオフィンガープリントを抽出します。フィンガープリントをライブラリに追加して分析・比較することで、類似オーディオトラックを検出できます。
画像フィンガープリント	画像から視覚フィンガープリントを抽出します。フィンガープリントをライブラリに追加して分析・比較することで、類似画像を検出できます。
テキストフィンガープリント	テキストコンテンツからフィンガープリントを抽出します。フィンガープリントをライブラリに追加して分析・比較することで、類似テキストを検出できます。

サービス管理

カテゴリ	説明	API	コンソール
メディア管理	メディアファイルをアップロード、管理、公開します。	該当なし	該当なし
ワークフローオーケストレーション	メディアファイルのアップロード時にジョブを自動的に開始し、クラウドベースのメディア処理を自動化します。	該当なし	対応
トランスコーディングテンプレート	トランスコーディングテンプレートは、再利用可能なトランスコーディングパラメータのセットを定義し、ジョブの作成とワークフロー設定を簡素化します。テンプレートは、カスタム、カスタマイズされた、またはシステムプリセットです。	`TemplateId`	対応
ウォーターマークテンプレート	ウォーターマークテンプレートには、位置やサイズなど、ウォーターマークの属性を定義するパラメータが含まれています。テンプレートを使用すると、ウォーターマークを追加するプロセスを簡素化できます。	`WaterMarkTemplateId`	対応
トランスコーディング優先度	MPS キュー内のトランスコーディングジョブの優先度を設定します。優先度レベルは最大 10 段階まで定義できます。	`Priority`	非対応
条件付きトランスコーディング	ソース動画のプロパティ (ビットレート、解像度、オーディオビットレート) を出力設定と比較します。ソースの値が低い場合、ジョブをスキップするか、ソースを変更せずにパススルーします。	例：`IsCheckReso`、`IsCheckResoFail`	対応
MPS キュー	MPS キューは、スケジューリングと実行のために、非同期ジョブ (トランスコーディング、スナップショットなど) を保持します。API を使用して複数のキューを作成でき、キューごとに最大 10 段階の優先度レベルを設定できます。	`Priority`	非対応
メッセージ通知	非同期ジョブはバックグラウンドで実行されます。MPS キューまたはワークフローに MNS トピックまたはキューをバインドすると、ジョブの完了時、またはワークフローの開始時や終了時に自動通知を受信できます。	`NotifyConfig`	対応