Platform For AI:Python 向けマルチメディア分析 SDK の使用上の注意

環境は Python 3 以降に依存します。次のコマンドを実行して、Python 向けマルチメディア分析 SDK をインストールします。

pip install ai-service-python-sdk==1.1.5

次のコマンドを実行して、環境を初期化します。

from ai_service_python_sdk.client.api_client import ApiClient
client = ApiClient('<HOST>', '<YOUR-APPID>', '<YOUR-TOKEN>')

ビジネス要件に基づいて、次のパラメーターを変更します。

画像の品質を評価できます。モデルサービスは、0 から 100 までの浮動小数点数を返します。リクエスト例：

from ai_service_python_sdk.client.api.ai_service_image_api import AiServiceImageApi

# 画像の URL。
image_url = 'https://your_image_url.jpg'
ai_service_api = AiServiceImageApi(client)
# カスタムモデルの名前。
model_name = ''
# モデルのレスポンス設定。モデルにレスポンスパラメーターがない場合は、空の辞書を指定できます。
configure = {}
# 呼び出すモデルサービス。
response = ai_service_api.image_qa(image_url, model_name, configure)
# リクエストの ID。
request_id = response.request_id
# リクエストのステータス。
code = response.code
# リクエストに関する詳細なステータス情報。
message = response.message
# 戻り値。
data = response.data
# 戻り値を表示します。
print(response)

次の表に、上記の文のパラメーターを示します。

出力例：

{
    "code":"OK",
    "data":{
        "image_height":214,
        "image_width":398,
        "iqa_result":66.88
    },
    "message":"success",
    "request_id":"1d4572a1-2800-4213-9e9c-33f9fa7e****"
}

次の表に、レスポンスパラメーターを示します。

顔の形、髪の色、髪型、外観など、生成された顔関連の属性を取得できます。次のコードブロックは、リクエスト例を示しています。

from ai_service_python_sdk.client.api.ai_service_image_api import AiServiceImageApi

# 画像の URL。
image_url = 'https://your_image_url.jpg'
ai_service_api = AiServiceImageApi(client)
# カスタムモデルの名前。
model_name = ''
# モデルのレスポンス設定。モデルにレスポンスパラメーターがない場合は、空の辞書を指定できます。
configure = {}
# 呼び出すモデルサービス。
response = ai_service_api.face_attr_image(image_url, model_name, configure)
# リクエストの ID。
request_id = response.request_id
# リクエストのステータス。
code = response.code
# リクエストに関する詳細なステータス情報。
message = response.message
# 戻り値。
data = response.data
# 戻り値を表示します。
print(response)

次の表に、上記の文のパラメーターを示します。

出力例。技術的な理由により、一部のパラメーターには翻訳されていない中国語のテキストが含まれていることに注意してください。

{'code': 'OK',
 'data': {'attr': [{'FaceShape': {'三角脸': 0.0013,
                                  '圆脸': 0.0147,
                                  '心形脸': 0.0405,
                                  '方形脸': 0.0001,
                                  '椭圆脸': 0.9266,
                                  '菱形脸': 0.0027,
                                  '长脸': 0.0141},
                    'FemaleHairStyle': {'BangsType': {'中分刘海': 0.5932,
                                                      '刘海编发': 0.0058,
                                                      '斜刘海': 0.0575,
                                                      '无刘海': 0.3078,
                                                      '空气刘海': 0.0143,
                                                      '齐刘海': 0.0213},
                                        'FemaleCurlyHairType': {'云朵卷': 0.1289,
                                                                '大波浪': 0.2526,
                                                                '小波浪': 0.084,
                                                                '氧气卷': 0.2027,
                                                                '空气卷': 0.1434,
                                                                '羊毛卷': 0.1539,
                                                                '蛋卷': 0.0345},
                                        'FemaleHairType': {'卷发': 0.1941,
                                                           '盘发': 0.0112,
                                                           '直发': 0.7947},
                                        'FemaleLongShortHair': {'中长发': 0.2807,
                                                                '短发': 0.0346,
                                                                '长发': 0.6846},
                                        '扎发': 0.3054,
                                        '编发': 0.3453},
                    'HairColor': {'其他颜色': 0.0001,
                                  '咖啡色': 0,
                                  '奶奶灰': 0,
                                  '栗色': 0.0025,
                                  '棕色': 0.0622,
                                  '渐变色': 0.0004,
                                  '酒红色': 0.0001,
                                  '金色': 0,
                                  '黄色': 0,
                                  '黑色': 0.9347},
                    'MaleHairStyle': {'分发': 0.9939,
                                      '圆寸': 0,
                                      '子弹头': 0.0033,
                                      '平头': 0,
                                      '板寸': 0.001,
                                      '毛寸': 0.0008,
                                      '碎发': 0,
                                      '背头': 0.0001,
                                      '莫西干': 0.0006},
                    'bbox': [91, 0, 430, 452],
                    'face_score': 3.2431,
                    'index': 0}]},
 'message': 'success',
 'request_id': '9b2f2c0e-d2c0-45f8-b922-058d00edc9ad'}

次の表に、レスポンスパラメーターを示します。

画像に複数のラベルを追加できます。モデルサービスは、確率が最も高い上位 K 個のラベルと各ラベルの確率を返すことができます。また、画像の高次元特徴も返すことができます。次のコードブロックは、リクエスト例を示しています。

from ai_service_python_sdk.client.api.ai_service_image_api import AiServiceImageApi

# 画像の URL。
image_url = 'https://your_image_url.jpg'
ai_service_api = AiServiceImageApi(client)
# カスタムモデルの名前。
model_name = ''
# モデルのレスポンス設定。
configure = {'tag_top_k': 5, 'output_embedding': False}
# 呼び出すモデルサービス。
response = ai_service_api.multi_label_image_v2(image_url, model_name, configure)
# リクエストの ID。
request_id = response.request_id
# リクエストのステータス。
code = response.code
# リクエストに関する詳細なステータス情報。
message = response.message
# 戻り値。
data = response.data
# 戻り値を表示します。
print(response)

次の表に、上記の文のパラメーターを示します。

出力例。技術的な理由により、一部のパラメーターには翻訳されていない中国語のテキストが含まれていることに注意してください。

{'code': 'OK',
 'data': {'image_height': 510,
          'image_width': 516,
          'tag_result': [{'score': 0.505, 'tag': '笑容'},
                         {'score': 0.493, 'tag': '女士'},
                         {'score': 0.475, 'tag': '美女'},
                         {'score': 0.438, 'tag': '微笑'},
                         {'score': 0.432, 'tag': '蜜茶棕'}]},
 'message': 'success',
 'request_id': 'c9e5aa33-4d8d-49ce-8991-bcbb5f12e43b'}

次の表に、レスポンスパラメーターを示します。

動画の品質を評価できます。モデルサービスは、0 から 100 までの浮動小数点数を返します。次のいずれかの方法を使用して、モデルサービスを呼び出すことができます。

• 単一の動画の品質を評価します。次のコードブロックは、リクエスト例を示しています。

  from ai_service_python_sdk.client.api.ai_service_video_api import AiServiceVideoApi
  
  video_url = 'https://your_video_url.mp4'
  ai_service_api = AiServiceVideoApi(client)
  # カスタムモデルの名前。
  model_name = ''
  # 動画のタイトル。
  video_title = ''
  # モデルのレスポンス設定。
  configure = {}
  # 呼び出すモデルサービス。
  response = ai_service_api.video_qa(video_url, model_name, video_title, configure)
  # リクエストの ID。
  request_id = response.request_id
  # リクエストのステータス。
  code = response.code
  # リクエストに関する詳細なステータス情報。
  message = response.message
  # モデルサービスから返されたコンテンツ。
  data = response.data
  # タスクの ID。
  job_id = response.data['job_id']
  # 戻り値を表示します。
  print(response)

  次の表に、上記の文のパラメーターを示します。

  パラメーター	タイプ	必須	説明
  video_url	STRING	はい	動画の URL。動画のサイズは 100 MB 以下、解像度は 320 × 240 以上にすることをお勧めします。
  video_title	STRING	はい	動画のタイトル。モデルサービスでは動画のタイトルを指定する必要がないため、空の文字列を指定します。
  model_name	STRING	はい	デフォルトでは、汎用モデルを呼び出すために空の文字列が指定されています。 汎用モデルがビジネス要件を満たせない場合は、アカウントマネージャーに連絡してカスタムモデルを入手してください。カスタムモデルの名前を指定して、カスタムモデルを呼び出すことができます。
  configure	Dict	はい	モデルのレスポンス設定。モデルサービスには空の辞書を指定します。

  出力例：

  {'code': 'OK',
   'data': {'job_id': 10**},
   'message': 'success',
   'request_id': '228235a6-db4f-466a-b20b-a4453f81****'}

  上記の返されたレスポンスから job_id を取得し、次のコードでタスク ID を指定して結果をクエリします。

  from ai_service_python_sdk.client.api.ai_service_job_api import AiServiceJobApi
  
  ai_service_job_api = AiServiceJobApi(client)
  # 結果をクエリします。
  result = ai_service_job_api.get_async_job(<YOUR-JOB-ID>)
  # 戻り値を表示します。
  print(result)

  <YOUR-JOB-ID> を、モデルサービスから返された job_id の値（INT 型）に置き換えます。

  • タスクが実行中の場合は、次の結果が返されます。

    {'code': 'OK',
     'data': {'job': {'Result': '',
                      'app_id': '202209070402410****',
                      'create_time': '2022-09-07T14:03:33.8+08:00',
                      'id': 1012,
                      'message': 'video downloading',
                      'state': 1}},
     'message': 'success',
     'request_id': '5259ec57-e55c-4772-b01e-3deafd74****'}

  • タスクが完了した場合は、次の結果が返されます。

    {'code': 'OK',
     'data': {'job': {'Result': '{"avg_fps":30,"duration":14,"height":1920,"single_img":0.74072265625,"video_score":20.57750291278764,"width":1080}',
                      'app_id': '202209290847310****',
                      'create_time': '2022-10-12T10:51:30.015+08:00',
                      'id': 1012,
                      'message': 'success',
                      'state': 2}},
     'message': 'success',
     'request_id': '0b4f658f-cd96-4606-8d81-d2fe0a6d****'}

  次の表に、レスポンスパラメーターを示します。

  パラメーター	タイプ	説明
  request_id	STRING	リクエスト ID。STRING 型です。
  code	STRING	リクエストステータスコード。STRING 型です。
  message	STRING	リクエストに関する詳細なステータス情報。STRING 型です。出力例： success Invalid Input - video data error - load video failed Invalid Input - json format error - json parse runtime exception 詳細については、「エラーコード」をご参照ください。
  data	Dict	モデルサービスから返されたコンテンツ。DICT 型です。レスポンスパラメーターの詳細については、「データパラメーター」をご参照ください。

  表 4. データパラメーター

  パラメーター	説明
  id	タスクの ID（job_id）。INT 型です。
  app_id	AppId。INT 型です。
  state	タスクのステータスコード。INT 型です。有効値： 0: タスクは初期化中です。 1: タスクは実行中です。 2: タスクは完了しました。 3: タスクは失敗しました。
  message	タスクの実行情報。STRING 型です。有効値： success video downloading
  create_time	タスクが作成された時刻。STRING 型です。
  Result	モデルサービスから返された結果。STRING 型です。詳細については、「結果パラメーター」をご参照ください。

  表 5. 結果パラメーター

  パラメーター	説明
  video_score	動画の品質スコア。FLOAT 型です。有効値：0 ～ 100。
  avg_fps	動画の平均フレームレート。INT 型です。
  duration	動画の長さ。INT 型です。単位：秒。
  single_img	動画内の画像の差。FLOAT 型です。有効値：0 ～ 1。値が小さいほど、差が小さいことを示します。これは、動画が静止画像に基づいて生成されていることを意味します。
  height	動画の高さ（ピクセル単位）。INT 型です。
  width	動画の幅（ピクセル単位）。INT 型です。

• 複数の動画の品質をバッチで評価します。次のコードブロックは、リクエスト例を示しています。

  from ai_service_python_sdk.client.api.ai_service_video_api import AiServiceVideoApi
  from ai_service_python_sdk.client.models.batch_video_request_videos import BatchVideoRequestVideos
  
  ai_service_api = AiServiceVideoApi(client)
  
  # バッチ処理リクエスト（動画の URL + 動画のタイトル）を作成します。
  videos = [
      BatchVideoRequestVideos('https://your_video_1_url.mp4', ''),
      BatchVideoRequestVideos('https://your_video_2_url.mp4', '')
      ]
  # カスタムモデルの名前。
  model_name = ''
  # モデルのレスポンス設定。
  configure = {}
  # 呼び出すモデルサービス。
  response = ai_service_api.batch_video_qa(videos, model_name, configure)
  # リクエストの ID。
  request_id = response.request_id
  # リクエストのステータス。
  code = response.code
  # リクエストに関する詳細なステータス情報。
  message = response.message
  # モデルサービスから返されたコンテンツ。
  data = response.data
  # バッチタスクの ID。
  batch_id = response.data['batch_id']
  # 戻り値を表示します。
  print(response)

  出力例：

  {'code': 'OK',
   'data': {'batch_id': 14},
   'message': 'success',
   'request_id': '6d5ef1b5-c01f-4e63-9eec-150ddde9****'}

  上記の返されたレスポンスから batch_id を取得し、次のコードでバッチ ID を使用して結果をクエリします。

  from ai_service_python_sdk.client.api.ai_service_job_api import AiServiceJobApi
  
  ai_service_job_api = AiServiceJobApi(client)
  # 結果をクエリします。
  result = ai_service_job_api.get_batch_job_with_id(<YOUR-BATCH-ID>)
  # 戻り値を表示します。
  print(result)

  <YOUR-BATCH-ID> を、モデルサービスから返された batch_id の値（INT 型）に置き換えます。

  次の結果が返されます。

  {'code': 'OK',
   'data': {'jobs': [{'Result': '{"avg_fps":30,"duration":14.633333333333333,"height":1280,"single_img":0.486328125,"video_score":55.3773279862801,"width":720}',
                      'app_id': '202209290847310****',
                      'batch_id': 14,
                      'create_time': '2022-10-26T19:44:47.501+08:00',
                      'id': 44**,
                      'message': 'success',
                      'object': 'https://your_video_1_url.mp4',
                      'state': 2},
                     {'Result': '{"avg_fps":30,"duration":18.2,"height":568,"single_img":0.5791015625,"video_score":67.21071975649835,"width":320}',
                      'app_id': '202209290847310****',
                      'batch_id': 14,
                      'create_time': '2022-10-26T19:44:47.501+08:00',
                      'id': 4484,
                      'message': 'success',
                      'object': 'https://your_video_2_url.mp4',
                      'state': 2}]},
   'message': 'success',
   'request_id': 'e99697ff-7d42-4c0a-a0a0-c6a0c0ba****'}

  バッチタスクから返された data['jobs'] パラメーターは配列です。次の表に、配列内のパラメーターを示します。

  パラメーター	説明
  id	バッチタスク内のデータ入力の ID。INT 型です。
  batch_id	バッチタスクの ID。INT 型です。
  app_id	AppId。INT 型です。
  state	タスクのステータスコード。INT 型です。有効値： 0: タスクは初期化中です。 1: タスクは実行中です。 2: タスクは完了しました。 3: タスクは失敗しました。
  message	タスクの実行情報。STRING 型です。有効値： success video downloading
  create_time	タスクが作成された時刻。STRING 型です。
  object	動画の URL。STRING 型です。
  Result	モデルサービスから返された結果。STRING 型です。 説明 Result パラメーターは、単一の動画の品質を評価するために使用されるモデルサービスから返される Result パラメーターと同じです。

動画にラベルを追加することで、短い動画を分類できます。モードサービスは、動画のクラス、確率が最も高い上位 K 個のラベル、および各ラベルの確率を返すことができます。また、動画の高次元特徴も返すことができます。次のいずれかの方法を使用して、モデルサービスを呼び出すことができます。

• 単一の動画を分類します。次のコードブロックは、リクエスト例を示しています。

  from ai_service_python_sdk.client.api.ai_service_video_api import AiServiceVideoApi
  
  video_url = 'https://your_video_url.mp4'
  ai_service_api = AiServiceVideoApi(client)
  # カスタムモデルの名前。
  model_name = ''
  # 動画のタイトル。
  video_title = 'your_video_title'
  # モデルのレスポンス設定。
  configure = {
      'output_classification': True,
      'classification_top_k': 1,
      'output_tag': True,
      'tag_top_k': 5,
      'output_embedding': True
      }
  # 呼び出すモデルサービス。
  response = ai_service_api.classify_label_video(video_url, video_title, model_name, configure)
  # リクエストの ID。
  request_id = response.request_id
  # リクエストのステータス。
  code = response.code
  # リクエストに関する詳細なステータス情報。
  message = response.message
  # モデルサービスから返されたコンテンツ。
  data = response.data
  # タスクの ID。
  job_id = response.data['job_id']
  # 戻り値を表示します。
  print(response)

  次の表に、上記の文のパラメーターを示します。

  パラメーター	タイプ	必須	説明
  video_url	STRING	はい	動画の URL。動画のサイズは 100 MB 以下、解像度は 320 × 240 以上にすることをお勧めします。
  video_title	STRING	はい	動画のタイトル。動画にタイトルがない場合は、空の文字列を指定します。
  model_name	STRING	はい	デフォルトでは、汎用モデルを呼び出すために空の文字列が指定されています。 汎用モデルが要件を満たせない場合は、PAI のテクニカルサポートに連絡してカスタムモデルを入手できます。カスタムモデルの名前を指定して、カスタムモデルを呼び出すことができます。
  configure	Dict	はい	モデルのレスポンス設定。デフォルト値は None です。詳細については、「パラメーターの構成」をご参照ください。 説明 configure が None に設定されている場合、configure リストのパラメーターはデフォルト設定を使用します。

  表 6. パラメーターの構成

  パラメーター	タイプ	必須	説明
  output_classification	BOOL	いいえ	動画の分類結果を返すかどうかを指定します。有効値： True（デフォルト） False
  classification_top_k	INT	いいえ	動画の上位 K 個のクラス。K の有効値：1 ～ 10。デフォルト値：1。
  output_tag	BOOL	いいえ	動画のラベルを返すかどうかを指定します。有効値： True（デフォルト） False
  tag_top_k	INT	いいえ	動画の上位 K 個のラベル。K の有効値：1 ～ 10。デフォルト値：5。
  output_embedding	BOOL	いいえ	64 次元の動画の埋め込みを返すかどうかを指定します。有効値： True（デフォルト） False

  出力例：

  {'code': 'OK',
   'data': {'job_id': 5},
   'message': 'success',
   'request_id': '4f6caecb-e3d6-4997-89fe-26ac7536****'}

  上記の返されたレスポンスから job_id を取得し、次のコードでタスク ID を指定して結果をクエリします。

  from ai_service_python_sdk.client.api.ai_service_job_api import AiServiceJobApi
  
  ai_service_job_api = AiServiceJobApi(client)
  # 結果をクエリします。
  result = ai_service_job_api.get_async_job(<YOUR-JOB-ID>)
  # 戻り値を表示します。
  print(result)

  <YOUR-JOB-ID> を、モデルサービスから返された job_id の値（INT 型）に置き換えます。

  • タスクが実行中の場合は、次の結果が返されます。

    {'code': 'OK',
     'data': {'job': {'Result': '',
                      'app_id': '202209070402410****',
                      'create_time': '2022-09-07T14:03:33.8+08:00',
                      'id': 5,
                      'message': 'video downloading',
                      'state': 1}},
     'message': 'success',
     'request_id': '5259ec57-e55c-4772-b01e-3deafd74****'}
    

  • タスクが完了した場合は、次の結果が返されます。技術的な理由により、一部のパラメーターには翻訳されていない中国語のテキストが含まれていることに注意してください。

    {'code': 'OK',
     'data': {'job': {'Result':
        '{"classification_result":[
            {"class":"三农","score":0.997}
            ],
        "duration":14.633333333333333,
        "embedding_result":"-0.162,0.483,0.881,0.686,0.319,-1.569,0.266,0.227,-1.352,1.157,-0.784,-1.016,-0.987,-1.214,-0.493,-1.182,0.85,1.473,-1.27,-3.391,3.394,-0.471,-0.434,0.256,2.146,0.787,0.348,1.67,0.229,-0.878,0.299,0.392,-2.161,-0.756,-3.438,-0.158,0.713,-5.812,-1.248,0.253,-1.111,-0.165,2.644,-2.368,-1.636,-0.533,0.468,1.2,-1.431,-1.151,-1.276,-1.954,1.167,-0.938,-0.111,-2.636,-1.248,4.662,1.892,5.485,-1.137,1.589,-1.935,1.018",
        "tag_result":[
            {"score":0.728,"tag":"盆栽"},
            {"score":0.576,"tag":"植物"},
            {"score":0.539,"tag":"种植技术"},
            {"score":0.466,"tag":"农业技术"},
            {"score":0.458,"tag":"种植"}
            ],
        "video_height":1280,
        "video_width":720}\n',
      'app_id': '202209070402410****',
      'create_time': '2022-09-07T14:03:33.8+08:00',
      'id': 5,
      'message': 'success',
      'state': 2}},
     'message': 'success',
     'request_id': '9283066a-f414-40fd-8fd3-0f77c1ef****'}

  次の表に、レスポンスパラメーターを示します。

  パラメーター	説明
  request_id	リクエスト ID。STRING 型です。
  code	リクエストステータスコード。STRING 型です。
  message	リクエストに関する詳細なステータス情報。STRING 型です。出力例： success Invalid Input - video data error - load video failed Invalid Input - json format error - json parse runtime exception 詳細については、「エラーコード」をご参照ください。
  data	モデルサービスから返されたコンテンツ。DICT 型です。詳細については、「データ ['job'] パラメーター」をご参照ください。

  表 7. データ ['job'] パラメーター

  パラメーター	説明
  id	タスクの ID（job_id）。INT 型です。
  app_id	AppId。INT 型です。
  state	タスクのステータスコード。INT 型です。有効値： 0: タスクは初期化中です。 1: タスクは実行中です。 2: タスクは完了しました。 3: タスクは失敗しました。
  message	タスクの実行情報。STRING 型です。有効値： success video downloading
  create_time	タスクが作成された時刻。STRING 型です。
  Result	モデルサービスから返された結果。STRING 型です。詳細については、「結果パラメーター」をご参照ください。

  表 8. 結果パラメーター

  パラメーター	説明
  classification_result	分類結果。LIST 型です。クラスは、スコア（確率）の降順にソートされます。 リストの長さは、classification_top_k によって異なります。 このパラメーターは、output_classification が True に設定されている場合にのみ返されます。
  tag_result	動画のラベル。スコア（確率）の降順にソートされます。 リストの長さは、tag_top_k によって異なります。 このパラメーターは、output_tag が True に設定されている場合にのみ返されます。
  score	ラベルの確率。FLOAT 型です。値は小数点以下 3 桁までです。
  class	クラスのエイリアス。STRING 型です。
  tag	ラベルの名前。STRING 型です。
  embedding_result	動画の 64 次元特徴。STRING 型です。特徴はコンマ（,）で区切られます。 このパラメーターは、output_embedding が True に設定されている場合にのみ返されます。
  video_height	動画の高さ（ピクセル単位）。INT 型です。
  video_width	動画の幅（ピクセル単位）。INT 型です。
  duration	動画の長さ。FLOAT 型です。

• 複数の動画をバッチで分類します。次のコードは、リクエスト例を示しています。

  from ai_service_python_sdk.client.api.ai_service_video_api import AiServiceVideoApi
  from ai_service_python_sdk.client.models.batch_video_request_videos import BatchVideoRequestVideos
  
  ai_service_api = AiServiceVideoApi(client)
  
  # モデルのレスポンス設定。
  configure = {
      'output_classification': True,
      'classification_top_k': 1,
      'output_tag': True,
      'tag_top_k': 5,
      'output_embedding': True
      }
  # バッチ処理リクエスト（動画の URL + 動画のタイトル）を作成します。
  videos = [
      BatchVideoRequestVideos('https://your_video_1_url.mp4', 'your_video_title_1'),
      BatchVideoRequestVideos('https://your_video_2_url.mp4', 'your_video_title_2')
      ]
  # カスタムモデルの名前。
  model_name = ''
  # 呼び出すモデルサービス。
  response = ai_service_api.batch_classify_label_video(videos, model_name, configure)
  # リクエストの ID。
  request_id = response.request_id
  # リクエストのステータス。
  code = response.code
  # リクエストに関する詳細なステータス情報。
  message = response.message
  # モデルサービスから返されたコンテンツ。
  data = response.data
  # バッチ ID
  batch_id = response.data['batch_id']
  # 戻り値を表示します。
  print(response)

  出力例：

  {'code': 'OK',
   'data': {'batch_id': 1},
   'message': 'success',
   'request_id': 'c59eb912-9df4-4afe-8129-23f7b6dc****'}

  上記の返されたレスポンスから batch_id を取得し、次のコードでバッチ ID を使用して結果をクエリします。

  from ai_service_python_sdk.client.api.ai_service_job_api import AiServiceJobApi
  
  ai_service_job_api = AiServiceJobApi(client)
  # 結果をクエリします。
  result = ai_service_job_api.get_batch_job_with_id(<YOUR-BATCH-ID>)
  # 戻り値を表示します。
  print(result)

  <YOUR-BATCH-ID> を、モデルサービスから返された batch_id の値（INT 型）に置き換えます。

  次の結果が返されます。技術的な理由により、一部のパラメーターには翻訳されていない中国語のテキストが含まれていることに注意してください。

  {'code': 'OK',
   'data': {'jobs': [{'Result': '{"classification_result":[{"class":"生活","score":0.998}],"duration":14.633333333333333,"embedding_result":"0.998,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.002","tag_result":[{"score":0.917,"tag":"盆栽"},{"score":0.777,"tag":"植物"},{"score":0.693,"tag":"园艺"},{"score":0.58,"tag":"幸福树"},{"score":0.509,"tag":"有字幕"}],"video_height":1280,"video_width":720}',
                      'app_id': '202209290847310****',
                      'batch_id': 13,
                      'create_time': '2022-10-26T18:13:20.928+08:00',
                      'id': 4090,
                      'message': 'success',
                      'object': 'https://your_video_1_url.mp4',
                      'state': 2},
                     {'Result': '{"classification_result":[{"class":"体育","score":0.998}],"duration":18.2,"embedding_result":"0.0,0.0,0.0,0.998,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.001,0.0,0.0,0.0,0.0,0.001,0.0,0.0,0.0,0.0","tag_result":[{"score":0.981,"tag":"全运会"},{"score":0.901,"tag":"乒乓球"},{"score":0.798,"tag":"运动"},{"score":0.583,"tag":"有字幕"},{"score":0.498,"tag":"乒乓球比赛"}],"video_height":568,"video_width":320}',
                      'app_id': '202209290847310****',
                      'batch_id': 13,
                      'create_time': '2022-10-26T18:13:20.928+08:00',
                      'id': 4091,
                      'message': 'success',
                      'object': 'https://your_video_2_url.mp4',
                      'state': 2}]},
   'message': 'success',
   'request_id': '73e4b48e-42b8-4347-9cb4-7a49c1f8****'}

  バッチタスクから返された data['jobs'] パラメーターは配列です。次の表に、配列内のパラメーターを示します。

  パラメーター	説明
  id	バッチタスク内のデータ入力の ID。INT 型です。
  batch_id	バッチタスクの ID。INT 型です。
  app_id	AppId。INT 型です。
  state	タスクのステータスコード。INT 型です。有効値： 0: タスクは初期化中です。 1: タスクは実行中です。 2: タスクは完了しました。 3: タスクは失敗しました。
  message	タスクの実行情報。STRING 型です。有効値： success video downloading
  create_time	タスクが作成された時刻。STRING 型です。
  object	動画の URL。STRING 型です。
  Result	モデルサービスから返された結果。STRING 型です。 説明 Result パラメーターは、単一の動画の品質を評価するために使用されるモデルサービスから返される Result パラメーターと同じです。

リクエストエラー