Intelligent Media Services：SubmitIProductionJob - 提交智能生產任務

Input 和 Output 欄位說明

Cover

輸入一個視頻檔案，輸出若干張圖片（預設 3 張，需要通過預留位置區分），格式為 png 或 gif（取決於 JobParams 中參數，產生靜態圖或動態圖）。

VideoDelogo

輸入一個視頻檔案，輸出擦除表徵圖後的視頻（格式為 mp4）。

VideoDetext

輸入一個視頻檔案，輸出擦除字幕後的視頻（格式為 mp4）。

CaptionExtraction

輸入一個視頻檔案，輸出字幕檔案（SRT 格式）。

VideoGreenScreenMatting

輸入一個視頻檔案，輸出綠幕摳圖後的視頻（格式為 mp4 或 webm，取決於 JobParams 參數）。

FaceBeauty

輸入一個視頻檔案，輸出美顏後的視頻（格式為 mp4）。

VideoH2V

輸入一個視頻檔案，輸出橫轉豎後的視頻（格式為 mp4）。

MusicSegmentDetect

輸入一個音頻檔案，輸出副歌檢測後的結果資訊檔（Json 格式）。

AudioBeatDetection

輸入一個音頻檔案，輸出節奏檢測後的結果資訊檔（Json 格式）。

AudioQualityAssessment

輸入一個音頻檔案，無輸出檔案。音質檢測結果放在 QueryIProductionJob 中直接返回。

SpeechDenoise

輸入一個音頻檔案，輸出降噪後的音頻（格式為 wav）。

AudioMixing

輸入一個待混音的音頻檔案，輸出混音後的音頻（格式為 wav）。混入的音頻檔案如何輸入詳見下面的 JobParams 參數。

MusicDemix

輸入一個音頻檔案（歌曲），輸出聲伴分離後的兩個音頻（Output 路徑中需要傳入{resultType}預留位置，分別代表人聲和背景聲）。

JobParams 的 JSON 欄位說明

Cover

• Model：String 類型，智能封面模型，為空白時輸出圖片封面，為 gif 時輸出動圖封面。

VideoDelogo

• LogoModel：String 類型，去除的 logo 類型，取值：tv（通用台標 - 電視台），internet（通用台標 - 網路媒體），該欄位可多選，通過逗號分隔。

• Boxes：String 類型，目標 logo 框位置，以左上方為原點的歸一化距離，[xmin, ymin, width, height]，目前最多支援兩個目標 logo 框，例如："[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]"。

VideoDetext

• LimitRegion：list 類型，限定字幕檢測地區，以左上方為原點的歸一化距離，[xmin, ymin, width, height]，可支援多個檢測地區，例如：[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]。注意，不設定該參數時，預設檢測地區為視頻下方 30%地區。

• Time：指定全域擦除時間（單位 s），list 類型，包括起始時間和結束時間，[start_time, end_time]，例如[5, 20]，表示只擦除視頻的 5~20 秒之間的字幕。

  • Time 參數可以是一維數組，如[5, 20]，指定一個時間段

  • Time 參數也可以是二維數組，如[[5, 20], [25, 43], [51, 80]]，指定多個時間段（只有當 modelId=algo-video-detext-new 時支援）

CaptionExtraction

• fps：採樣幀率（可選），整數，取值範圍為[2,10]，預設 5。

• roi：字幕框選地區（只對地區內的字幕進行提取），格式：[[top, bottom], [left, right]]，為歸一化取值（如下半部分[[0.5, 1], [0, 1]]）。不傳此值，預設識別視頻底部 1/4 地區。

• lang：識別語言，ch（中文）、en（英文），ch_ml（中英混合）。預設 ch。

• track：如果傳"main"，表示只提取主字幕軌道。不傳時，預設提取地區內出現的所有字幕。

VideoGreenScreenMatting

• bgimage：摳圖後疊加的背景圖片，例如：http://example-image-****.example-location.aliyuncs.com/example/example.jpg。如果不傳該參數，則輸出帶透明通道的 WEBM 視頻。

FaceBeauty

• beauty_params：美顏功能參數，填寫樣本： "whiten=20,smooth=50,face_thin=50"，詳見參數欄位說明

VideoH2V

無

MusicSegmentDetect

無

AudioBeatDetection

無

AudioQualityAssessment

無

SpeechDenoise

輸入音頻要求：格式需為 WAV，採樣率為 16khz 或 48khz。

AudioMixing

• inputs：待混合的音軌檔案地址清單，目前只支援一個，例如：{"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}

MusicDemix

無