描述 #

音频元数据提取算子

功能 #

1. 支持音频文件格式
2. 提取完整的音频元数据信息,包括:

• 基础信息: 时长、格式、比特率
• 音频信息: 采样率、声道数、编码器

3. 使用 ffprobe 工具进行元数据提取
4. 支持本地文件、远程文件(TOS/S3)、HTTP/HTTPS链接

返回 #

包含以下字段的结构化数组:

• duration (float): 音频时长(秒)
• format_name (string): 格式名称
• bit_rate (int64): 比特率
• audio_codec (string): 音频编码器名称
• audio_sample_rate (int32): 音频采样率
• audio_channels (int32): 音频声道数

算子参数 #

输入 #

输出 #

包含元数据的结构化数组

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）运行算子提取音频文件的元数据信息。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.audio import AudioMetadataExtract
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    TOS_TEST_DIR_URL = os.getenv("TOS_TEST_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")

    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",
            )
            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.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {
        "input_path": [
            f"https://{TOS_TEST_DIR_URL}/public/archive/audio_metadata_extract/sample.wav",
        ],
    }
    ds = daft.from_pydict(samples)

    # Using Daft to extract audio metadata
    constructor_kwargs = {
        "timeout": 600,
    }

    ds = ds.with_column(
        "metadata",
        las_udf(
            AudioMetadataExtract,
            construct_args=constructor_kwargs,
            num_cpus=1,
            concurrency=1,
            batch_size=1,
        )(col("input_path")),
    )

    ds.show()
    # ╭────────────────────────────────┬──────────────────────────────────────────────────────────────────────────────╮
    # │ input_path                     ┆ metadata                                                                     │
    # │ ---                            ┆ ---                                                                          │
    # │ String                         ┆ Struct[duration: Float64, format_name: String, bit_rate: Int64, audio_codec: │
    # │                                ┆ String, audio_sample_rate: Int32, audio_channels: Int32]                     │
    # ╞════════════════════════════════╪══════════════════════════════════════════════════════════════════════════════╡
    # │ https://las-public-data-qa.to… ┆ {duration: 49.71102,                                                         │
    # │                                ┆ format_n…                                                                    │
    # ╰────────────────────────────────┴──────────────────────────────────────────────────────────────────────────────╯