音视频处理

显示全部

音视频处理

音视频处理类动作。

提取音频

extract_audio

音视频处理

用途：从音频或视频文件提取可识别音频，统一输出为 wav。适合给语音识别或字幕生成继续使用。

写法：提取音频媒体路径=<媒体路径> [输出音频路径=<输出音频路径>] [采样率=<采样率>] [声道数=<声道数>] [覆盖已有文件=<覆盖已有文件>]

保存为

默认保存主结果，通常就是 音频路径 这个字段。

正确示例

提取音频 媒体路径='D:/素材/视频.mp4' 输出音频路径='D:/素材/视频_识别.wav'

# 说明：从视频提取单声道 16k wav 音频。

错误示例

提取音频 输出音频路径="D:/demo.mp3"

为什么错：漏写了必填参数：媒体路径。

展开查看参数和注意事项

中文参数	英文参数	用途	必填	默认值
媒体路径	`media_path`	输入媒体文件路径；支持视频文件和音频文件。	是	无
输出音频路径	`output_audio_path`	输出 wav 音频路径；不填时默认生成到原文件同目录。	否	无
采样率	`sample_rate_hz`	输出采样率，默认 16000。	否	16000
声道数	`channel_count`	输出声道数，默认 1。	否	1
覆盖已有文件	`overwrite`	输出文件已存在时是否覆盖；1 覆盖，0 不覆盖。	否	1

返回结果

如果你要整份返回对象，而不只是主结果，可在行尾写 返回结果=变量名。

返回结果

保存后通常可按字段路径继续读取。

字段路径	类型	必有	说明
`音频路径`	string	是	未提供说明
`音频格式`	string	是	未提供说明
`采样率`	integer	是	未提供说明
`声道数`	integer	是	未提供说明
`文件大小`	integer	是	未提供说明

返回/保存方式：普通动作需要留给后续步骤时，通常可在行尾追加保存为=变量名，默认保存主结果字段音频路径。

腾讯ASR语音识别

tencent_asr_recognize

音视频处理

用途：识别本地音频/视频或音频网址，生成字幕内容，并可保存为 SRT 文件。

写法：腾讯ASR语音识别 [本地媒体文件=<本地媒体文件>] [音频网址=<音频网址>] [保存字幕文件=<保存字幕文件>] [识别模型=<识别模型>] [单句最大字数=<单句最大字数>] [音频格式=<音频格式>] [过滤脏词=<过滤脏词>] [过滤语气词=<过滤语气词>] [过滤标点=<过滤标点>] [数字转换模式=<数字转换模式>] [说话人分离=<说话人分离>] [说话人数=<说话人数>] [轮询间隔秒数=<轮询间隔秒数>] [最长等待秒数=<最长等待秒数>]

保存为

默认保存主结果，通常就是 识别文本 这个字段。

正确示例

腾讯ASR语音识别 音频网址='https://example.com/audio.mp3' 音频格式='mp3' 保存字幕文件='D:/输出/字幕' 单句最大字数=15 返回结果=识别结果

# 说明：识别网址音频，生成并保存 SRT，同时保留逐句和逐词结果。

错误示例

腾讯ASR语音识别 本地媒体文件="示例值" 音频网址="D:/demo.mp3"

为什么错：这两个参数不能同时填写：本地媒体文件、音频网址。

展开查看参数和注意事项

中文参数	英文参数	用途	必填	默认值
本地媒体文件	`media_path`	本地音频或视频文件路径；会自动提取 16kHz 单声道音频后识别。	否	无
音频网址	`audio_url`	腾讯云可访问到的音频 URL。真正的长录音建议优先走这个参数。	否	无
保存字幕文件	`output_file_path`	可选；把生成的字幕内容保存为 SRT 文件，自动补 .srt 后缀，目标已存在时直接覆盖。	否	无
识别模型	`engine_model_type`	腾讯云识别引擎模型，默认 16k_zh；常见可选值如 8k_zh、16k_en、16k_yue。	否	16k_zh
单句最大字数	`single_sentence_max_length`	单句最大字数，默认 15；填 0 关闭，其他值会归一化到腾讯实际支持范围。	否	15
音频格式	`voice_format`	音频格式；本地文件不填时按扩展名自动判断。使用音频URL 时必须显式填写。	否	无
过滤脏词	`filter_dirty`	是否过滤脏词；0 不过滤，1 过滤。	否	0
过滤语气词	`filter_modal`	是否过滤语气词；0 不过滤，1 过滤。	否	0
过滤标点	`filter_punc`	是否过滤标点；0 保留，1 过滤。	否	0
数字转换模式	`convert_num_mode`	数字转换模式；0 保持原样，1 转成阿拉伯数字。	否	1
说话人分离	`speaker_diarization`	是否开启说话人分离；0 关闭，1 开启。	否	0
说话人数	`speaker_number`	说话人数；0 表示让服务自动判断。	否	0
轮询间隔秒数	`poll_interval_seconds`	轮询任务状态的间隔秒数，默认 5 秒。	否	5.0
最长等待秒数	`max_wait_seconds`	最长等待任务完成的秒数，默认 1800 秒。	否	1800.0

返回结果

如果你要整份返回对象，而不只是主结果，可在行尾写 返回结果=变量名。

返回结果

保存后通常可按字段路径继续读取。

字段路径	类型	必有	说明
`识别文本`	string	是	未提供说明
`请求ID`	string	是	未提供说明
`任务ID`	integer \| string	是	未提供说明
`任务状态`	integer \| string \| null	否	未提供说明
`任务结果描述`	string \| null	否	未提供说明
`音频来源`	string	是	未提供说明
`引擎模型`	string	是	未提供说明
`音频格式`	string	是	未提供说明
`说话人分离`	boolean	否	未提供说明
`结果句子列表`	array	是	未提供说明
`结果句子数`	integer	是	未提供说明
`逐词列表`	array	是	未提供说明
`字幕文件路径`	string \| null	是	未提供说明
`保存字幕文件`	string \| null	是	未提供说明
`是否写入文件`	boolean	是	未提供说明
`字幕条数`	integer	是	未提供说明
`SRT字幕条数`	integer	是	未提供说明
`字幕内容`	string	是	未提供说明
`字幕生成状态`	string	是	未提供说明
`字幕未生成原因`	string \| null	是	未提供说明
`实际断句长度`	integer	是	未提供说明
`临时音频已清理`	boolean	是	未提供说明

返回/保存方式：普通动作需要留给后续步骤时，通常可在行尾追加保存为=变量名，默认保存主结果字段识别文本。

识别音频有效时间线

analyze_audio_timeline

音视频处理

用途：分析音频或带音轨媒体的时间线，返回可直接复用的时间线片段列表；当前只负责 action 契约和接口接线，算法细节依赖音频时间线核心模块。

写法：识别音频有效时间线媒体路径=<媒体路径> [预设=<预设>] [高级设置=<高级设置>]

保存为

默认保存主结果，通常就是 时间线片段列表 这个字段。

正确示例

识别音频有效时间线 媒体路径='D:/素材/配音.wav' 预设='标准' 高级设置={阈值模式='固定阈值', 噪声底='关闭', 阈值=0.35, 音轨索引=0, 边距=0.08, 平滑=0.12}

# 说明：分析指定媒体并返回时间线片段列表，可配合 保存为 继续引用结果。

错误示例

识别音频有效时间线 预设="示例值"

为什么错：漏写了必填参数：媒体路径。

展开查看参数和注意事项

中文参数	英文参数	用途	必填	默认值
媒体路径	`media_path`	要分析的本地媒体文件路径；可以是音频文件，也可以是带音轨的视频文件。	是	无
预设	`preset`	分析预设；支持轻剪、标准、狠剪、口播、嘈杂环境。主要用于给阈值、边距、平滑提供默认值。	否	无
高级设置	`advanced_options`	可选高级设置对象，支持：阈值模式、噪声底、阈值、音轨索引、边距、平滑、强制保留片段、强制裁剪片段。	否	无

返回结果

如果你要整份返回对象，而不只是主结果，可在行尾写 返回结果=变量名。

返回结果

保存后通常可按字段路径继续读取。

字段路径	类型	必有	说明
`媒体路径`	string	否	未提供说明
`时间线片段列表`	array	否	未提供说明
`时间线片段列表[*]`	object	否	数组元素
`时间线片段列表[*].start`	integer	是	未提供说明
`时间线片段列表[*].end`	integer	是	未提供说明
`片段数量`	integer	否	未提供说明
`最终总时长`	integer	否	未提供说明
`分析参数`	object	否	未提供说明
`分析参数.阈值`	number \| null	否	未提供说明
`分析参数.预设`	string \| null	否	未提供说明
`分析参数.阈值模式`	string \| null	否	未提供说明
`分析参数.噪声底`	string \| null	否	未提供说明
`分析参数.音轨索引`	string \| integer \| null	否	未提供说明
`分析参数.边距`	number \| null	否	未提供说明
`分析参数.平滑`	number \| null	否	未提供说明
`分析参数.强制保留片段`	array \| null	否	未提供说明
`分析参数.强制裁剪片段`	array \| null	否	未提供说明
`分析参数.实际阈值`	number \| null	否	未提供说明
`分析参数.估算噪声底`	number \| null	否	未提供说明

返回/保存方式：普通动作需要留给后续步骤时，通常可在行尾追加保存为=变量名，默认保存主结果字段时间线片段列表。

视频镜头分割

detect_video_scenes

音视频处理

用途：检测视频镜头分割，返回可直接复用的时间线片段列表，可继续传给按时间线添加素材到轨道等时间线动作。

写法：视频镜头分割视频路径=<视频路径> [分割阈值=<分割阈值>] [开始时间=<开始时间>] [结束时间=<结束时间>]

保存为

默认保存主结果，通常就是 时间线列表 这个字段。

正确示例

视频镜头分割 视频路径="D:/demo.mp4" 分割阈值="示例值"

错误示例

视频镜头分割 分割阈值="示例值"

为什么错：漏写了必填参数：视频路径。

展开查看参数和注意事项

中文参数	英文参数	用途	必填	默认值
视频路径	`video_path`	要做镜头分割的视频文件路径。	是	无
分割阈值	`threshold`	PySceneDetect 的内容变化阈值，越小越敏感；默认 30。	否	30.0
开始时间	`start_time`	只从这个时间开始检测，单位为秒，也支持 HH:MM:SS、s、ms；默认从视频开头开始。	否	无
结束时间	`end_time`	只检测到这个时间，单位为秒，也支持 HH:MM:SS、s、ms；默认检测到视频结尾。	否	无

返回结果

如果你要整份返回对象，而不只是主结果，可在行尾写 返回结果=变量名。

返回结果

保存后通常可按字段路径继续读取。

字段路径	类型	必有	说明
`视频路径`	string	是	未提供说明
`时间线列表`	array	是	未提供说明
`时间线列表[*]`	object	否	数组元素
`时间线列表[*].start`	integer	是	未提供说明
`时间线列表[*].end`	integer	是	未提供说明
`时间线列表[*].开始帧`	integer	是	未提供说明
`时间线列表[*].结束帧`	integer	是	未提供说明
`时间线列表[*].帧数`	integer	是	未提供说明
`镜头数量`	integer	是	未提供说明
`分割阈值`	number	是	未提供说明
`开始时间`	number	是	未提供说明
`结束时间`	number \| null	是	未提供说明

返回/保存方式：普通动作需要留给后续步骤时，通常可在行尾追加保存为=变量名，默认保存主结果字段时间线列表。

截取视频帧

extract_video_frame

音视频处理

用途：从视频指定时间截帧保存为图片。

写法：截取视频帧视频文件路径=<视频文件路径> 图片文件路径=<图片文件路径> 第几秒=<第几秒>

保存为

默认保存主结果，通常就是 图片路径 这个字段。

正确示例

截取视频帧 视频文件路径='D:/素材/演示.mp4' 图片文件路径='D:/素材/预览图.png' 第几秒=1.5

# 说明：截取 1.5 秒处的一帧

错误示例

截取视频帧 视频文件路径="D:/demo.mp4" 图片文件路径="D:/demo.png"

为什么错：漏写了必填参数：第几秒。

展开查看参数和注意事项

中文参数	英文参数	用途	必填	默认值
视频文件路径	`video_file_path`	要截帧的视频文件路径。	是	无
图片文件路径	`image_file_path`	保存截帧图片的路径。	是	无
第几秒	`seconds`	要截取第几秒的画面。	是	无

返回结果

如果你要整份返回对象，而不只是主结果，可在行尾写 返回结果=变量名。

返回结果

保存后通常可按字段路径继续读取。

字段路径	类型	必有	说明
`图片路径`	string	是	未提供说明

返回/保存方式：普通动作需要留给后续步骤时，通常可在行尾追加保存为=变量名，默认保存主结果字段图片路径。

生成视频宫格封面

generate_video_grid_cover

音视频处理

用途：从视频随机帧生成宫格封面。

写法：生成视频宫格封面视频文件路径=<视频文件路径> 图片文件路径=<图片文件路径> [宫格数量=<宫格数量>]

保存为

默认保存主结果，通常就是 图片路径 这个字段。

正确示例

生成视频宫格封面 视频文件路径='D:/素材/演示.mp4' 图片文件路径='D:/素材/封面图.png' 宫格数量='4'

# 说明：生成四宫格封面

错误示例

生成视频宫格封面 视频文件路径="D:/demo.mp4"

为什么错：漏写了必填参数：图片文件路径。

展开查看参数和注意事项

中文参数	英文参数	用途	必填	默认值
视频文件路径	`video_file_path`	要抽帧的视频文件路径。	是	无
图片文件路径	`image_file_path`	生成后的宫格封面图片路径。	是	无
宫格数量	`grid_count`	支持 4、6、9、12、16。	否	4

返回结果

如果你要整份返回对象，而不只是主结果，可在行尾写 返回结果=变量名。

返回结果

保存后通常可按字段路径继续读取。

字段路径	类型	必有	说明
`图片路径`	string	是	未提供说明

返回/保存方式：普通动作需要留给后续步骤时，通常可在行尾追加保存为=变量名，默认保存主结果字段图片路径。