オーディオトランスコーディングによるオーディオファイル変換 - OSS

Object Storage Service (OSS) に保存されている音声ファイルを、非同期処理リクエストを使用して別のフォーマットに変換します。このトピックでは、パラメーターについて説明し、Java、Python、Go のコード例を示します。

前提条件

開始する前に、以下を確認してください。

Intelligent Media Management (IMM) プロジェクトにバインドされた OSS バケットです。設定手順については、「クイックスタート」および「AttachOSSBucket」をご参照ください。
音声トランスコードに必要な[権限]。
認証情報は環境変数として設定できます。 Java と Python は OSS_ACCESS_KEY_ID と OSS_ACCESS_KEY_SECRET を使用します。 Go では、加えて OSS_SESSION_TOKEN も必要です。

利用シーン

フォーマットの互換性：ターゲットデバイスやプレーヤーでサポートされているフォーマットに音声ファイルを変換します。
ストレージの最適化：FLAC や WAV などの可逆圧縮音声を MP3 などの非可逆圧縮フォーマットにトランスコーディングして、モバイルデバイスのストレージフットプリントを削減します。
メディアストリーミング：ソースファイルから複数のビットレートバージョンを生成し、さまざまなネットワーク条件下でのアダプティブストリーミングをサポートします。
ビデオの後処理：ビデオ編集ワークフロー中にオーディオトラックを圧縮フォーマットに変換し、転送効率を向上させます。

仕組み

x-oss-async-process ヘッダーを使用して非同期トランスコードリクエストを送信します。操作は audio/convert です。タスクが完了すると、OSS は sys/saveas で指定したパスに出力音声を保存します。

音声トランスコーディングは非同期のみであるため、同期画像処理で使用される x-oss-process ヘッダーはサポートされていません。

パラメーター

アクション: audio/convert

パラメーター	タイプ	必須	説明
`f`	string	はい	出力コンテナフォーマット。サポートされる値：`mp3`、`aac`、`flac`、`oga`、`ac3`、`opus`、`amr`
`ss`	int	いいえ	開始時刻（ミリ秒単位）。`0`（デフォルト）は先頭から開始します。正の整数を指定すると、そのオフセット位置から開始します。
`t`	int	いいえ	開始時刻以降の再生時間（ミリ秒単位）。`0`（デフォルト）は音声の最後まで再生します。
`ar`	int	いいえ	出力音声のサンプルレート（Hz 単位）。デフォルトはソースのサンプルレートです。各フォーマットごとの制限については、「フォーマット制約」をご参照ください。サポートされる値：8000、11025、12000、16000、22050、24000、32000、44100、48000、64000、88200、96000
`ac`	int	いいえ	出力音声のチャンネル数。デフォルトはソースのチャンネル数です。有効な値：1～8。各フォーマットごとの制限については、「フォーマット制約」をご参照ください。
`aq`	int	いいえ	音声圧縮品質。有効な値：0～100。`ab` とは相互排他的です。
`ab`	int	いいえ	音声ビットレート（bit/s 単位）。有効な値：1000～10000000。`aq` とは相互排他的です。
`abopt`	string	いいえ	ソースのビットレートがターゲットより低い場合のビットレート動作。`0`（デフォルト）：常にターゲットビットレートを使用します。`1`：ソースのビットレートを使用します。`2`：失敗として返します。
`adepth`	int	いいえ	出力音声のサンプリングビット深度。有効な値：`16`、`24`。`f=flac` の場合にのみ適用されます。

sys/saveas を使用して出力パスを指定し、notify を使用して完了通知を受信します。詳しくは、「sys/saveas」および「通知機能の使用」をご参照ください。

フォーマットの制約

異なる出力フォーマットでは、ar（サンプルレート）およびac（オーディオチャンネル）に追加の制限が課されます。デフォルトのサンプルレートまたはチャンネル数を使用した場合、ソース値とターゲットフォーマットとの互換性がなく、トランスコードが失敗する可能性があります。厳格な要件を持つフォーマットをターゲットにする場合は、arおよびacを明示的に設定してください。

フォーマット	サポートされているサンプルレート	サポートされているオーディオチャンネル
MP3	最大 48 kHz	1～2
AAC	すべてのサポートされている値	フォーマット固有の制限なし
FLAC	すべてのサポートされている値	フォーマット固有の制限なし
OGA	すべてのサポートされている値	フォーマット固有の制限なし
AC-3	32 kHz、44.1 kHz、48 kHz	最大 6 (5.1)
Opus	8 kHz、12 kHz、16 kHz、24 kHz、48 kHz	フォーマット固有の制限なし
AMR	8 kHz、16 kHz	1

制限事項

音声トランスコード中では、FLAC 出力（adepth を使用）を除き、ビット深度の調整はサポートされていません。動画トラックのビット深度制御については、「動画トランスコード中」をご参照ください。
匿名リクエストは拒否されます。認証が必要です。
Java、Python、Go の SDK のみが非同期音声トランスコーディングをサポートしています。

RESTful API の使用

すべての例では、x-oss-async-process ヘッダーを使用して非同期トランスコードタスクを送信します。

MP3 から AAC への変換

example.mp3 の 60 秒間のクリップを 1,000 ミリ秒の位置からトランスコードし、96 kbit/s の AAC で出力し、シンプルメッセージキュー (SMQ) 完了通知を送信します。

POST /example.mp3?x-oss-async-process HTTP/1.1
Host: video-demo.oss-cn-hangzhou.aliyuncs.com
Date: Fri, 28 Oct 2022 06:40:10 GMT
Authorization: OSS4-HMAC-SHA256 Credential=LTAI********************/20250417/cn-hangzhou/oss/aliyun_v4_request,Signature=a7c3554c729d71929e0b84489addee6b2e8d5cb48595adfc51868c299c0c218e

x-oss-async-process=audio/convert,ss_10000,t_60000,f_aac,ab_96000|sys/saveas,b_b3V0YnVja2V0,o_b3V0b2JqcHJlZml4LnthdXRvZXh0fQo/notify,topic_QXVkaW9Db252ZXJ0

WAV から Opus への変換

example.wav ファイル全体を、Message Notification Service (MNS) の完了通知付きで、48 kHz、デュアルチャンネル、96 kbit/s の Opus にトランスコードし、oss://outbucket/outobject.opus に保存します。

POST /example.wav?x-oss-async-process HTTP/1.1
Host: video-demo.oss-cn-hangzhou.aliyuncs.com
Date: Fri, 28 Oct 2022 06:40:10 GMT
Authorization: OSS4-HMAC-SHA256 Credential=LTAI********************/20250417/cn-hangzhou/oss/aliyun_v4_request,Signature=a7c3554c729d71929e0b84489addee6b2e8d5cb48595adfc51868c299c0c218e

x-oss-async-process=audio/convert,f_opus,ab_96000,ar_48000,ac_2|sys/saveas,b_b3V0YnVja2V0,o_b3V0b2JqLnthdXRvZXh0fQo/notify,topic_QXVkaW9Db252ZXJ0

OSS SDK の使用

Java

OSS SDK for Java V3.17.4 以降が必要です。

次の例では、src.mp3 を AAC フォーマットにトランスコードし、10 秒から開始して 60 秒の持続時間で、96 kbit/s のビットレートで処理し、結果を同じバケット内の dest.aac に保存します。

import com.aliyun.oss.ClientBuilderConfiguration;
import com.aliyun.oss.OSS;
import com.aliyun.oss.OSSClientBuilder;
import com.aliyun.oss.common.auth.CredentialsProviderFactory;
import com.aliyun.oss.common.auth.EnvironmentVariableCredentialsProvider;
import com.aliyun.oss.common.comm.SignVersion;
import com.aliyun.oss.model.AsyncProcessObjectRequest;
import com.aliyun.oss.model.AsyncProcessObjectResult;
import com.aliyuncs.exceptions.ClientException;

import java.util.Base64;

public class Demo {
    public static void main(String[] args) throws ClientException {
        // バケットが配置されているリージョンのエンドポイント
        String endpoint = "https://oss-cn-hangzhou.aliyuncs.com";
        // バケットのリージョン ID
        String region = "cn-hangzhou";
        // 環境変数 OSS_ACCESS_KEY_ID と OSS_ACCESS_KEY_SECRET から認証情報を読み込みます
        EnvironmentVariableCredentialsProvider credentialsProvider = CredentialsProviderFactory.newEnvironmentVariableCredentialsProvider();
        String bucketName = "examplebucket";
        String targetKey = "dest.aac";
        String sourceKey = "src.mp3";

        ClientBuilderConfiguration clientBuilderConfiguration = new ClientBuilderConfiguration();
        clientBuilderConfiguration.setSignatureVersion(SignVersion.V4);
        OSS ossClient = OSSClientBuilder.create()
                .endpoint(endpoint)
                .credentialsProvider(credentialsProvider)
                .clientConfiguration(clientBuilderConfiguration)
                .region(region)
                .build();

        try {
            // トランスコーディングパラメーター：開始 10 秒、持続時間 60 秒、出力 AAC 96 kbit/s
            String style = String.format("audio/convert,ss_10000,t_60000,f_aac,ab_96000");
            // sys/saveas のためにバケット名と出力オブジェクトキーを Base64 エンコードします
            String bucketEncoded = Base64.getUrlEncoder().withoutPadding().encodeToString(bucketName.getBytes());
            String targetEncoded = Base64.getUrlEncoder().withoutPadding().encodeToString(targetKey.getBytes());
            String process = String.format("%s|sys/saveas,b_%s,o_%s/notify,topic_QXVkaW9Db252ZXJ0", style, bucketEncoded, targetEncoded);

            AsyncProcessObjectRequest request = new AsyncProcessObjectRequest(bucketName, sourceKey, process);
            AsyncProcessObjectResult response = ossClient.asyncProcessObject(request);
            System.out.println("EventId: " + response.getEventId());
            System.out.println("RequestId: " + response.getRequestId());
            System.out.println("TaskId: " + response.getTaskId());
        } finally {
            ossClient.shutdown();
        }
    }
}

Python

OSS SDK for Python V2.18.4 以降が必要です。

# -*- coding: utf-8 -*-
import base64
import oss2
from oss2.credentials import EnvironmentVariableCredentialsProvider

def main():
    # 環境変数から認証情報を読み込みます
    auth = oss2.Auth(EnvironmentVariableCredentialsProvider())
    endpoint = 'https://oss-cn-hangzhou.aliyuncs.com'
    bucket = oss2.Bucket(auth, endpoint, 'examplebucket')

    source_key = 'src.mp3'
    target_key = 'dest.aac'

    # トランスコーディングパラメーター：開始 10 秒、持続時間 60 秒、出力 AAC 96 kbit/s
    style = 'audio/convert,ss_10000,t_60000,f_aac,ab_96000'

    # sys/saveas のためにバケット名と出力オブジェクトキーを Base64 エンコードします
    bucket_name_encoded = base64.urlsafe_b64encode('examplebucket'.encode()).decode().rstrip('=')
    target_key_encoded = base64.urlsafe_b64encode(target_key.encode()).decode().rstrip('=')
    process = f"{style}|sys/saveas,b_{bucket_name_encoded},o_{target_key_encoded}/notify,topic_QXVkaW9Db252ZXJ0"

    try:
        result = bucket.async_process_object(source_key, process)
        print(f"EventId: {result.event_id}")
        print(f"RequestId: {result.request_id}")
        print(f"TaskId: {result.task_id}")
    except Exception as e:
        print(f"Error: {e}")


if __name__ == "__main__":
    main()

Go

OSS SDK for Go V3.0.2 以降が必要です。

次の例では、src.mp3 を AAC フォーマットにトランスコードし、10 秒から開始して、持続時間は 60 秒、ビットレートは 96 kbit/s で、結果を同じバケット内の dest.aac に保存します。

package main

import (
	"encoding/base64"
	"fmt"
	"log"
	"os"

	"github.com/aliyun/aliyun-oss-go-sdk/oss"
)

func main() {
	// 環境変数 OSS_ACCESS_KEY_ID、OSS_ACCESS_KEY_SECRET、OSS_SESSION_TOKEN から認証情報を読み込みます
	provider, err := oss.NewEnvironmentVariableCredentialsProvider()
	if err != nil {
		fmt.Println("Error:", err)
		os.Exit(-1)
	}

	// バケットのリージョン用の OSS クライアントを作成します
	client, err := oss.New("https://oss-cn-hangzhou.aliyuncs.com", "", "", oss.SetCredentialsProvider(&provider), oss.AuthVersion(oss.AuthV4), oss.Region("cn-hangzhou"))
	if err != nil {
		fmt.Println("Error:", err)
		os.Exit(-1)
	}

	bucketName := "examplebucket"
	bucket, err := client.Bucket(bucketName)
	if err != nil {
		fmt.Println("Error:", err)
		os.Exit(-1)
	}

	sourceKey := "src.mp3"
	targetKey := "dest.aac"

	// トランスコーディングパラメーター：開始 10 秒、持続時間 60 秒、出力 AAC 96 kbit/s
	style := "audio/convert,ss_10000,t_60000,f_aac,ab_96000"

	// sys/saveas のためにバケット名と出力オブジェクトキーを Base64 エンコードします
	bucketNameEncoded := base64.URLEncoding.EncodeToString([]byte(bucketName))
	targetKeyEncoded := base64.URLEncoding.EncodeToString([]byte(targetKey))
	process := fmt.Sprintf("%s|sys/saveas,b_%v,o_%v/notify,topic_QXVkaW9Db252ZXJ0", style, bucketNameEncoded, targetKeyEncoded)

	result, err := bucket.AsyncProcessObject(sourceKey, process)
	if err != nil {
		log.Fatalf("Failed to async process object: %s", err)
	}

	fmt.Printf("EventId: %s\n", result.EventId)
	fmt.Printf("RequestId: %s\n", result.RequestId)
	fmt.Printf("TaskId: %s\n", result.TaskId)
}

次のステップ

sys/saveas — トランスコード出力を指定の OSS パスに保存する
通知機能を利用する — トランスコード完了時にコールバックを受信できます
ビデオトランスコーディング — ビデオファイルをトランスコーディングし、ビット深度などのパラメーターを調整します