算子ID:daft.las.functions.video.video_concat.VideoConcat
视频拼接处理器,将多个视频顺序拼接为一个输出视频
细分项 | 注意与前提 |
|---|---|
费用 | 调用算子前,您需先了解使用算子时的模型调用费用,详情请参见大模型调用计费。 |
鉴权(API Key) | 调用算子前,您需要先生成算子调用的API Key,并建议将API Key配置为环境变量,便于更安全地调用算子,详情请参见获取 API Key 并配置。 |
BaseURL | 调用算子前,您需要先根据您当前使用的LAS服务所在地域,了解算子调用的BaseURL,用于配置算子调用路径参数取值。 |
输入列名 | 说明 |
|---|---|
video_paths_list | 包含视频路径列表的列,每个元素是一个字符串列表 |
output_paths | 输出视频路径列 |
拼接后的视频路径列
注意
如参数没有默认值,则为必填参数
参数名称 | 类型 | 默认值 | 描述 |
|---|---|---|---|
output_format | str | mp4 | 输出视频格式(仅用于临时文件扩展名) |
video_codec | str | libx264 | 视频编码器 |
audio_codec | str | aac | 音频编码器 |
timeout | int or None | ffmpeg 执行超时时间(秒) | |
extra_params | list[str] or None | 额外的 ffmpeg 参数列表 |
下面的代码展示了如何使用 Daft(适用于分布式)运行算子对视频进行拼接。输入和输出都使用TOS路径,因此,需要设置好环境变量以保证有权限读写TOS,包括:ACCESS_KEY,SECRET_KEY,TOS_ENDPOINT,TOS_REGION,TOS_TEST_DIR
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 VideoConcat if __name__ == "__main__": # 输入和输出都使用TOS路径,因此,需要设置好环境变量以保证有权限读写TOS,包括:ACCESS_KEY,SECRET_KEY,TOS_ENDPOINT,TOS_REGION,TOS_TEST_DIR TOS_TEST_DIR_URL = os.getenv("TOS_TEST_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com") TOS_TEST_DIR = os.getenv("TOS_TEST_DIR", "tos_bucket") 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 = { "video_paths": [ [ f"https://{TOS_TEST_DIR_URL}/public/shared_video_dataset/music_sample.mp4", f"https://{TOS_TEST_DIR_URL}/public/shared_video_dataset/music_sample.mp4", ] ], "output_path": [f"tos://{TOS_TEST_DIR}/video/video_concat/concatenated_video.mp4"], } ds = daft.from_pydict(samples) constructor_kwargs = { "output_format": "mp4", "video_codec": "libx264", "audio_codec": "aac", } ds = ds.with_column( "concat_path", las_udf(VideoConcat, construct_args=constructor_kwargs)( col("video_paths"), col("output_path"), ), ) ds.show() # ╭────────────────────────────────┬────────────────────────────────┬────────────────────────────────╮ # │ video_paths ┆ output_path ┆ concat_path │ # │ --- ┆ --- ┆ --- │ # │ List[String] ┆ String ┆ String │ # ╞════════════════════════════════╪════════════════════════════════╪════════════════════════════════╡ # │ [https://las-cn-beijing-pub… ┆ tos://tos_bucket/video/video_… ┆ tos://tos_bucket/video/video_… │ # ╰────────────────────────────────┴────────────────────────────────┴────────────────────────────────╯