描述 #

音频滤镜处理器，基于 FFmpeg 的灵活音频效果应用。

核心功能 #

• 通过 FFmpeg 应用常见音频滤镜（volume、highpass、lowpass、bass、treble、aecho 等）
• 支持本地路径与 TOS/S3 远程路径自动下载与处理
• 支持将处理结果上传到 TOS，或返回二进制结果

格式支持 #

• MP3 (.mp3)
• WAV (.wav)
• FLAC (.flac)
• OGG (.ogg)
• AAC (.aac)
• M4A (.m4a)

参考文档: https://ffmpeg.org/ffmpeg-filters.html#Audio-Filters

算子参数 #

输入 #

输出 #

处理后的结构体字段包括：

• processed_audio_path: str，处理后音频的路径（本地或 TOS）
• processed_audio_binary: bytes，处理后音频的二进制内容（当 output_audio_binary=True 时）

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 Daft（适用于分布式）运行算子对音频应用 FFmpeg 滤镜。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.audio.audio_ffmpeg_wrapped import AudioFFMPEGWrapped
from daft.las.functions.udf import las_udf

if __name__ == "__main__":

    # 更改完处理的音频会保存到指定的TOS路径下，因此，需要设置好环境变量以保证有权限写入TOS，包括：ACCESS_KEY,SECRET_KEY,TOS_ENDPOINT,TOS_REGION,TOS_TEST_DIR
    TOS_DIR = os.getenv("TOS_TEST_DIR", "tos_bucket")
    output_tos_dir = f"tos://{TOS_DIR}/audio/audio_ffmpeg_wrapped"

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()
    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    # 使用环境变量构建URL
    tos_dir_url = os.getenv("TOS_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    samples = {
        "audio_path": [
            f"https://{tos_dir_url}/public/shared_audio_dataset/sample.mp3"
        ]
    }

    ds = daft.from_pydict(samples)

    splitter = las_udf(
        AudioFFMPEGWrapped,
        construct_args={
            "filter_name": "volume",
            "filter_kwargs": {"volume": 1.5},
            "global_args": ["-loglevel", "error", "-hide_banner", "-y"],
            "output_tos_dir": output_tos_dir,
            "output_audio_binary": False,
            "output_audio_format": "wav",
        },
    )

    ds = ds.with_column("results", splitter(col("audio_path")))

    ds.show()
    # ╭─────────────────────────────────────────┬────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
    # │ audio_path                              ┆ results                                                                                                                            │
    # │ ---                                     ┆ ---                                                                                                                                │
    # │ Utf8                                    ┆ Struct[processed_audio_path: Utf8, processed_audio_binary: Binary]                                                                 │
    # ╞═════════════════════════════════════════╪════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════╡
    # │ https://las-cn-beijing-publi-…          ┆ {processed_audio_path: "tos://tos_bucket/audio/audio_ffmpeg_wrapped/sample_processed.wav", processed_audio_binary: null}           │
    # ╰─────────────────────────────────────────┴────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯