名稱

類型

描述

Output

String

如果JobParams設置了中英文分離，輸出文件路徑中支持{resultType}占位符，用來比較對應字幕結果文件是中文或英文，中文為zh，英文為en。

名稱

類型

是否必填

描述

fps

Int

否

采樣幀率（可選），整數，取值范圍為[2,10]，默認5。

roi

List

否

字幕框選區域。

• 如果輸入框選區域，則只對區域內的字幕進行提取，區域外的文字忽略。如果不填該參數，默認識別視頻底部1/4區域。

• 格式：[[top, bottom], [left, right]]。

• 默認：無。

sep

Boolean

否

是否中英文分離輸出兩個srt文件，可選，默認False。

formatter

String

否

srt的字幕格式字符串（可選），例如："{\an8}"，默認無。

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息如：{"Code":"Success","Message":"Successful.","Data":"{\"result\"：[{\"file\":\"captionextraction/b48d02b58e9b6a0d1c13271bcf9aa6d7-161121379****.srt\"}]}"}

名稱

類型

是否必填

描述

bgimage

String

否

替換的背景圖片，例如：http://example-image-****.example-location.aliyuncs.com/example/example.jpg。

• 傳入該參數：輸出替換背景后的MP4視頻。

• 不傳該參數：輸出帶透明通道的WEBM視頻。

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：{"Code":"Success","Message":"Successful.","Data":"{\"result\":[{\"file\":\"videogreenscreenmatting/16e6bc5ca802e12429d082010164dba3-160275535****_matting.mp4\"}]}"}

名稱

類型

是否必填

描述

無

無

無

無

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。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."}

名稱

類型

是否必填

描述

Text

List

否

目標字幕框位置。目前最多支持兩個目標字幕。例如：[[bx1, by1, bw1, bh1], [bx2, by2, bw2, bh2]]。

• bx：字幕框距離左上角的歸一化x軸坐標相對于視頻寬度比例，例如0.1。

• by：字幕框距離左上角的歸一化y軸坐標相對于視頻高度比例，例如0.0。

• bw：歸一化寬度相對視頻寬度比例，例如0.3。

• bh：歸一化高度相對視頻高度比例，例如0.2。

LimitRegion

List

否

指定擦除限制范圍，在限制區域內檢測之后擦除字幕區域。優先級低于直接指定擦除區域Text。示例：LimitRegion: [[0, 0.6, 1, 0.4]]為在圖像下方40%區域進行字幕檢測與擦除。

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名稱

類型

是否必填

描述

無

無

無

無

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名稱

類型

是否必填

描述

Logo

String

否

目標logo框位置，[xmin, ymin, width, height]，目前最多支持兩個目標logo框，例如：[[0, 0, 0.3, 0.3], [0.7, 0, 0.3, 0.3]]

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名稱

類型

是否必填

描述

Model

String

否

智能封面模型，為空時輸出圖片封面，為gif時輸出動圖封面。

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。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為封面結果置信度，Time為封面幀時間戳，Url為封面文件路徑。

名稱

類型

是否必填

描述

無

無

無

無

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：

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

名稱

類型

是否必填

描述

無

無

無

無

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名稱

類型

是否必填

描述

無

無

無

無

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息。示例如下：{"Details":[],"Message":"success","Code":"Success"}

名稱

類型

是否必填

描述

無

無

無

無

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息如：{"Code":"Success","Data":"{\"result\":[{\"file\":\"detectresult/normalvideo-161225931****.txt\"}]}","Message":"Successful."}

名稱

類型

是否必填

描述

inputs

String

否

待混合的音軌文件地址列表，目前只支持一個，例如：{"file":"http://example-bucket-****.oss-cn-shanghai.aliyuncs.com/2.mp4"}

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息如：{"Message":"Successful.","Data":"{\"result\":[{\"file\":\"audiomix/alibaba-161283935****-origin.mp4\"}]}","Code":"Success"}

名稱

類型

描述

Output

String

路徑中支持{resultType}占位符，用來區分結果文件是卡通化結果圖／原圖，卡通化結果為result，原圖為origin。

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息如：{"Code":"Success","Data":"{\"result\":[{\"file\":\"iproduction/test-result.jpg\"},{\"file\":\"iproduction/test-origin.jpg\"}]}","Message":"Successful."}

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息如下。

參數

說明

Time

時間戳，對輸入文件執行打分的時刻。

Input

輸入文件名。

Total Duration

文件時長，單位為秒。

Speech Ratio

語音時長占比，取值范圍為[0,100]，單位為百分比（%）。

Tag

標簽，用于說明檢測的有效性。

• Valid ： 檢測有效，即后續關鍵指標和MOS都是有效的。

• File too Short：輸入文件時長小于2s。

• Mute：全程完全靜音。

• Voice too Short：話音時長小于2s

MOS(0-5)

文件平均MOS，描述語音部分的質量，取值范圍[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)

語音連續性，當發生采集卡頓、雙講抑制、網絡丟包時，連續性分值會下降。取值范圍[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)

語音清晰度、可懂度，如環境混響較大，碼率較低（或編碼錯誤）、發音含糊不清時，語音自然度分值降低。取值范圍[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)

噪音嚴重程度，取值范圍[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)

人聲響度，即人聲音量的大小，聲音清晰洪亮分支偏高，聲音很小幾乎聽不到，則分值趨近于0。取值范圍[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)

平均語音音量。取值范圍[-90,0]，單位為分貝（dB）。

• 從分貝角度描述了人聲音量的大小，一般小于-24dB時，聽感上人聲會偏小。

• 默認值：-90.0，表示未檢測到明確的語音成分。

Double Talk Ratio(%)

雙講占比，用于輔助判斷連續性Discontinuity分值較低時的可能因素。取值范圍[0,100]，單位為百分比（%）。

Bad Mute Ratio(%)

異常靜音幀占比，對雙講時段之外的話音進行異常靜音統計（排除雙講剪切所致的靜音幀）。取值范圍[0,100]，單位為百分比（%）。

Saturated Ratio(%)

語音段中出現爆音占有話段的比例，用于輔助判斷采集音量過大導致的大范圍爆音問題。取值范圍[0,100]，單位為百分比（%）。

Worst MOS(0-5)

打分過程中的最低MOS，取值范圍[0,5]。

Worst Discontinuity(0-5)

打分過程中最嚴重的斷續程度，取值范圍[0,5]。

Worst Noisiness(0-5)

打分過程中噪聲最大的程度，取值范圍[0,5]。

Worst Coloration(0-5)

打分過程中最差的語音自然度，取值范圍[0,5]。

名稱

類型

是否必填

描述

beauty_params

String

否

美顏功能參數，填寫示例： "whiten=20,smooth=50,face_thin=50"

參數

類型

說明

skin_beauty_enable

int

美膚開關。

• 取值范圍：[0,1]

• 0：關閉

• 1：開啟

• 默認值：1

shape_beauty_enable

int

美型開關。

• 取值范圍：[0,1]

• 0：關閉

• 1：開啟

• 默認值：1

whiten

int

美白的力度，值越大，膚色區域將會越白。

• 取值范圍：[0,100]

• 默認值：20

smooth

int

平滑的力度，值越大，膚色區域越模糊。

• 取值范圍：[0,100]

• 默認值：20

detail

int

膚色細節的顆粒度，值越大，真實膚色的顆粒感越重，細節越多。

• 取值范圍：[0,100]

• 默認值：20

skin_model

int

開啟時，美白只會作用在檢測為皮膚的區域。

• 取值范圍：[0,1]

• 0：關閉

• 1：開啟

• 默認值：1

cheek_thin

float

瘦額骨。

• 取值范圍：[0,100]

• 默認值：0

face_cut

float

削臉。

• 取值范圍：[0,100]

• 默認值：0

face_thin

float

瘦臉。

• 取值范圍：[0,100]

• 默認值：0

face_length

float

臉長調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

chin_length

float

下巴長度調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

chin_thin

float

瘦下巴。

• 取值范圍：[0,100]

• 默認值：0

eye_size

float

眼睛變大。

• 取值范圍：[0,100]

• 默認值：0

eye_corner1

float

豎直方向調節眼角（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

eye_distance

float

調節眼距（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

nose_thin

float

瘦鼻子（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

nose_wing

float

瘦鼻翼（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

nose_length

float

鼻長調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

mouth_size

float

嘴巴大小調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

mouth_position

float

人中長度調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

lip_thickness

float

嘴唇厚度調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

hair_line

float

發際線調節（雙向）。

• 取值范圍：[-100,100]

• 默認值：0

smile

float

微笑。

• 取值范圍：[0,100]

• 默認值：0

detect_mode

float

人臉檢測模式。

• 取值范圍：[0,1]

• 0：視頻模式

• 1：圖像模式

• 默認值：1

detect_level

float

人臉檢測器的分辨率。低分辨率下，比較小的人臉可能會漏。

• 取值范圍：[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

• 默認值：1

threshold

float

人臉檢測置信度閾值。

• 取值范圍：[0,1]

• 默認值：0.8

detect_interval

float

視頻模式下的人臉檢測間隔幀數。

• 取值范圍：[1,65535]

• 默認值：5

max_face_num

float

最大支持的人臉個數。

• 取值范圍：[0,32]

• 默認值：32

min_face

float

最小人臉的寬度。

• 取值范圍：[10,1024]

• 默認值：40

名稱

類型

描述

Result

String

作業結果詳細信息，成功結果信息如：{"Code":"Success","Data":"{\"result\":[{\"file\":\"result.mp4\"}]}","Message":"Successful."}