描述 #

视频元数据提取算子

核心功能 #

• 支持多种视频文件格式
• 提取完整的视频元数据信息
• 使用 ffprobe 工具进行元数据提取
• 支持本地文件、远程文件(TOS/S3)、HTTP/HTTPS链接

提取信息 #

• 基础信息: 时长、格式、比特率
• 视频信息: 分辨率、帧率、编码器
• 音频信息: 采样率、声道数、编码器

算子参数 #

输入 #

输出 #

包含元数据的结构体数组

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）运行算子提取视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.udf import las_udf
from daft.las.functions.video import VideoExtractMetadata

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.context.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/video_extract_metadata/music_sample.mp4",
        ],
    }
    ds = daft.from_pydict(samples)

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

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

    ds.show()
    # ╭────────────────────────────────┬─────────────────────────────────────────────────────╮
    # │ input_path                     ┆ metadata                                            │
    # │ ---                            ┆ ---                                                 │
    # │ Utf8                           ┆ Struct                                              │
    # ╞════════════════════════════════╪═════════════════════════════════════════════════════╡
    # │ https://las-public-data-qa.to… ┆ {duration: 7.367, format_name: "mov,mp4,m4a,3gp... │
    # ╰────────────────────────────────┴─────────────────────────────────────────────────────╯