媒体处理：智能生产接口参数补充说明

名称

类型

描述

Output

String

如果JobParams设置了中英文分离，输出文件路径中支持{resultType}占位符，用来比较对应字幕结果文件是中文或英文，中文为zh，英文为en。

名称

类型

是否必填

描述

fps

Int

否

采样帧率（可选），整数，取值范围为[2,10]，默认5。

roi

List

否

字幕框选区域。

• 如果输入框选区域，则只对区域内的字幕进行提取，区域外的文字忽略。如果不填该参数，默认识别视频底部1/4区域。

• 格式：[[top, bottom], [left, right]]。

• 默认：无。

sep

Boolean

否

是否中英文分离输出两个srt文件，可选，默认False。

formatter

String

否

srt的字幕格式字符串（可选），例如："{\an8}"，默认无。

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息如：{"Code":"Success","Message":"Successful.","Data":"{\"result\"：[{\"file\":\"captionextraction/b48d02b58e9b6a0d1c13271bcf9aa6d7-161121379****.srt\"}]}"}

名称

类型

是否必填

描述

bgimage

String

否

替换的背景图片，例如：http://example-image-****.example-location.aliyuncs.com/example/example.jpg。

• 传入该参数：输出替换背景后的MP4视频。

• 不传该参数：输出带透明通道的WEBM视频。

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"videogreenscreenmatting/16e6bc5ca802e12429d082010164dba3-160275535****_matting.mp4\"}]}"}

名称

类型

是否必填

描述

无

无

无

无

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Code":"Success","Data":"{\"result\":[{\"start\":39.32,\"end\":63.85,\"title\":\"副歌\"},{\"start\":86.69,\"end\":114.45,\"title\":\"副歌\"},{\"start\":135.75,\"end\":160.27,\"title\":\"副歌\"}]}","Message":"Successful."}

名称

类型

是否必填

描述

Text

List

否

目标字幕框位置。目前最多支持两个目标字幕。例如：[[bx1, by1, bw1, bh1], [bx2, by2, bw2, bh2]]。

• bx：字幕框距离左上角的归一化x轴坐标相对于视频宽度比例，例如0.1。

• by：字幕框距离左上角的归一化y轴坐标相对于视频高度比例，例如0.0。

• bw：归一化宽度相对视频宽度比例，例如0.3。

• bh：归一化高度相对视频高度比例，例如0.2。

LimitRegion

List

否

指定擦除限制范围，在限制区域内检测之后擦除字幕区域。优先级低于直接指定擦除区域Text。示例：LimitRegion: [[0, 0.6, 1, 0.4]]为在图像下方40%区域进行字幕检测与擦除。

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名称

类型

是否必填

描述

无

无

无

无

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名称

类型

是否必填

描述

Logo

String

否

目标logo框位置，[xmin, ymin, width, height]，目前最多支持两个目标logo框，例如：[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名称

类型

是否必填

描述

Model

String

否

智能封面模型，为空时输出图片封面，为gif时输出动图封面。

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}{"Message":"success","Data":"[{\"Score\":8.270855992569906,\"Time\":\"28278.25\",\"Url\":\"cover/test-00001.jpg\"},{\"Score\":7.474117489692728,\"Time\":\"25942.583333333332\",\"Url\":\"cover/test-00002.jpg\"}]","Code":"Success"}，其中Score为封面结果置信度，Time为封面帧时间戳，Url为封面文件路径。

名称

类型

是否必填

描述

无

无

无

无

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：

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

名称

类型

是否必填

描述

无

无

无

无

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名称

类型

是否必填

描述

无

无

无

无

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名称

类型

是否必填

描述

无

无

无

无

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息如：{"Code":"Success","Data":"{\"result\":[{\"file\":\"detectresult/normalvideo-161225931****.txt\"}]}","Message":"Successful."}

名称

类型

是否必填

描述

inputs

String

否

待混合的音轨文件地址列表，目前只支持一个，例如：{"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息如：{"Message":"Successful.","Data":"{\"result\":[{\"file\":\"audiomix/alibaba-161283935****-origin.mp4\"}]}","Code":"Success"}

名称

类型

描述

Output

String

路径中支持{resultType}占位符，用来区分结果文件是卡通化结果图／原图，卡通化结果为result，原图为origin。

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息如：{"Code":"Success","Data":"{\"result\":[{\"file\":\"iproduction/test-result.jpg\"},{\"file\":\"iproduction/test-origin.jpg\"}]}","Message":"Successful."}

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息如下。

参数

说明

Time

时间戳，对输入文件执行打分的时刻。

Input

输入文件名。

Total Duration

文件时长，单位为秒。

Speech Ratio

语音时长占比，取值范围为[0,100]，单位为百分比（%）。

Tag

标签，用于说明检测的有效性。

• Valid ： 检测有效，即后续关键指标和MOS都是有效的。

• File too Short：输入文件时长小于2s。

• Mute：全程完全静音。

• Voice too Short：话音时长小于2s

MOS(0-5)

文件平均MOS，描述语音部分的质量，取值范围[0,5]。

MOS

分值描述。取值如下：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Discontinuity(0-5)

语音连续性，当发生采集卡顿、双讲抑制、网络丢包时，连续性分值会下降。取值范围[0,5]。

Discontinuity

分值描述。取值如下：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Coloration(0-5)

语音清晰度、可懂度，如环境混响较大，码率较低（或编码错误）、发音含糊不清时，语音自然度分值降低。取值范围[0,5]。

Coloration

分值描述。取值如下：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Noisiness(0-5)

噪音严重程度，取值范围[0,5]。

Noisiness

分值描述。取值如下：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Loudness(0-5)

人声响度，即人声音量的大小，声音清晰洪亮分支偏高，声音很小几乎听不到，则分值趋近于0。取值范围[0,5]。

Loudness

分值描述。取值如下：

• (4, 5]：Excellent

• [3, 4)：Good

• [2, 3)：Fair

• [1, 2)：Poor

• [0, 1)：Bad

Loudness(-90dB-0dB)

平均语音音量。取值范围[-90,0]，单位为分贝（dB）。

• 从分贝角度描述了人声音量的大小，一般小于-24dB时，听感上人声会偏小。

• 默认值：-90.0，表示未检测到明确的语音成分。

Double Talk Ratio(%)

双讲占比，用于辅助判断连续性Discontinuity分值较低时的可能因素。取值范围[0,100]，单位为百分比（%）。

Bad Mute Ratio(%)

异常静音帧占比，对双讲时段之外的话音进行异常静音统计（排除双讲剪切所致的静音帧）。取值范围[0,100]，单位为百分比（%）。

Saturated Ratio(%)

语音段中出现爆音占有话段的比例，用于辅助判断采集音量过大导致的大范围爆音问题。取值范围[0,100]，单位为百分比（%）。

Worst MOS(0-5)

打分过程中的最低MOS，取值范围[0,5]。

Worst Discontinuity(0-5)

打分过程中最严重的断续程度，取值范围[0,5]。

Worst Noisiness(0-5)

打分过程中噪声最大的程度，取值范围[0,5]。

Worst Coloration(0-5)

打分过程中最差的语音自然度，取值范围[0,5]。

名称

类型

是否必填

描述

beauty_params

String

否

美颜功能参数，填写示例： "whiten=20,smooth=50,face_thin=50"

参数

类型

说明

skin_beauty_enable

int

美肤开关。

• 取值范围：[0,1]

• 0：关闭

• 1：开启

• 默认值：1

shape_beauty_enable

int

美型开关。

• 取值范围：[0,1]

• 0：关闭

• 1：开启

• 默认值：1

whiten

int

美白的力度，值越大，肤色区域将会越白。

• 取值范围：[0,100]

• 默认值：20

smooth

int

平滑的力度，值越大，肤色区域越模糊。

• 取值范围：[0,100]

• 默认值：20

detail

int

肤色细节的颗粒度，值越大，真实肤色的颗粒感越重，细节越多。

• 取值范围：[0,100]

• 默认值：20

skin_model

int

开启时，美白只会作用在检测为皮肤的区域。

• 取值范围：[0,1]

• 0：关闭

• 1：开启

• 默认值：1

cheek_thin

float

瘦额骨。

• 取值范围：[0,100]

• 默认值：0

face_cut

float

削脸。

• 取值范围：[0,100]

• 默认值：0

face_thin

float

瘦脸。

• 取值范围：[0,100]

• 默认值：0

face_length

float

脸长调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

chin_length

float

下巴长度调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

chin_thin

float

瘦下巴。

• 取值范围：[0,100]

• 默认值：0

eye_size

float

眼睛变大。

• 取值范围：[0,100]

• 默认值：0

eye_corner1

float

竖直方向调节眼角（双向）。

• 取值范围：[-100,100]

• 默认值：0

eye_distance

float

调节眼距（双向）。

• 取值范围：[-100,100]

• 默认值：0

nose_thin

float

瘦鼻子（双向）。

• 取值范围：[-100,100]

• 默认值：0

nose_wing

float

瘦鼻翼（双向）。

• 取值范围：[-100,100]

• 默认值：0

nose_length

float

鼻长调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

mouth_size

float

嘴巴大小调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

mouth_position

float

人中长度调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

lip_thickness

float

嘴唇厚度调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

hair_line

float

发际线调节（双向）。

• 取值范围：[-100,100]

• 默认值：0

smile

float

微笑。

• 取值范围：[0,100]

• 默认值：0

detect_mode

float

人脸检测模式。

• 取值范围：[0,1]

• 0：视频模式

• 1：图像模式

• 默认值：1

detect_level

float

人脸检测器的分辨率。低分辨率下，比较小的人脸可能会漏。

• 取值范围：[0,2]

• 0：最低分辨率，速度最快

• 1：中等分辨率，速度中等

• 2：最高分辨率，速度最慢

• 默认值：1

threshold

float

人脸检测置信度阈值。

• 取值范围：[0,1]

• 默认值：0.8

detect_interval

float

视频模式下的人脸检测间隔帧数。

• 取值范围：[1,65535]

• 默认值：5

max_face_num

float

最大支持的人脸个数。

• 取值范围：[0,32]

• 默认值：32

min_face

float

最小人脸的宽度。

• 取值范围：[10,1024]

• 默认值：40

名称

类型

描述

Result

String

作业结果详细信息，成功结果信息如：{"Code":"Success","Data":"{\"result\":[{\"file\":\"result.mp4\"}]}","Message":"Successful."}