字幕抽出

このワークフローを使用して、動画から字幕ファイルを作成します。Weydub は、次の2つの抽出方法をサポートしています。

• 動画フレーム内にすでに表示されているハードコード字幕を対象とする OCR 抽出。
• 音声トラック内の発話を対象とする ASR 抽出。

実装前に出力品質を確認したい場合は、対応する Weydub の Web ワークフローである字幕を生成をお試しください。

時間軸を考慮した Video OCR、シーンテキストのフィルタリング、字幕作成に適した ASR セグメンテーションについてシステムレベルの説明を確認するには、Video OCR と ASR を使用した AI 字幕生成を参照してください。

エンドポイント

POST /v-w-c/gateway/ve/work/free

字幕抽出は非同期で行われます。body.idProject と body.dataList[].id を保存し、ポーリング、コールバック、再試行動作、コールバック署名には非同期タスクモデルを使用してください。

アクセスと制限

OCR または ASR の選択

発話のみを含む動画の文字起こしに OCR を使用しないでください。音声を伴わないハードコード字幕の読み取りに ASR を使用しないでください。

OCR 字幕抽出ペイロード

字幕がすでに動画の映像に埋め込まれている場合は、OCR を使用します。

{
  "urls": ["https://example.com/video.mp4"],
  "needChineseOcclude": 14,
  "videoInpaintLang": "en",
  "lang": "en",
  "videoInpaintMasks": "[{\"type\":\"trans_only_ocr\",\"region\":[[0,0.8],[1,0.8],[1,1],[0,1]]}]",
  "extraOptions": "{\"extra_inpaint_config\":{\"auto_correct_on\":false,\"strip_last_punct_on\":true,\"scene_filter_on\":false}}",
  "callback": "https://your-domain.example/webhooks/weydub"
}

注記:

• needChineseOcclude は 14 でなければなりません。
• videoInpaintMasks は OCR 抽出に必須であり、署名前にコンパクトな JSON 文字列にすることを推奨します。
• type は trans_only_ocr にすることを推奨します。
• 翻訳が不要な場合は、lang を videoInpaintLang と同じ値に設定します。
• 座標は 0 から 1 の範囲に正規化され、左上、右上、右下、左下の順に並べます。

OCR マスク

表示される字幕領域が分かっている場合は、1つ以上のマスクを使用します。時間範囲を限定したマスクは、一時的なストーリーのヒントや登録テキストが台詞として抽出されるのを防ぐのに役立ちます。

よく使用される領域:

OCR オプション

extraOptions.extra_inpaint_config で OCR のクリーンアップ処理を調整できます:

アカウント契約に別段の定めがない限り、公開 API ペイロードでは extraOptions をコンパクトな JSON 文字列として保持してください。

ASR 字幕抽出ペイロード

動画に音声があり、タイムコード付きの文字起こしが必要な場合は ASR を使用します。

{
  "urls": ["https://example.com/video.mp4"],
  "needWanyin": 1,
  "sourceLang": "en",
  "lang": "en",
  "wyTaskType": "ONLY_ASR",
  "needWyEdit": 0,
  "wyNeedText": 0,
  "extraOptions": "{\"asr_speaker_detect_on\":true,\"extra_video_translate_config\":{\"remove_last_punct_on\":true}}",
  "callback": "https://your-domain.example/webhooks/weydub"
}

注記:

• wyTaskType は ONLY_ASR である必要があります。
• wyNeedText: 0 は、字幕を新しい動画にレンダリングしないことを意味します。
• needWyEdit: 0 は、この抽出ジョブの手動編集/プロドラフト動作を無効にします。
• sourceLang は音声で話されている言語です。lang は字幕の出力言語です。翻訳が不要な場合は同じコードを使用してください。

ASR オプション

パラメーター

出力

正常に完了した抽出タスクでは、次の値が返される場合があります。

• srcSrtUrl
• tgtSrtUrl
• processStatus
• processProgress
• paidPoint
• 返されたワークアイテム内のタスクメタデータ

OCR と ASR の抽出では、新しい動画をレンダリングする必要はありません。srcSrtUrl または tgtSrtUrl を読み取る前に、processStatus === 1 になるまでポーリングしてください。

コールバックでは、ポーリング応答で使用される外側の code / msg / body ラッパーを介さず、ワークアイテムのペイロードが直接送信されます。

エージェント向けの注意事項

• 焼き付けられた字幕テキストには OCR を、音声による会話には ASR を選択してください。
• 署名する前に、videoInpaintMasks と extraOptions をコンパクト化して文字列化してください。
• アカウント契約にその旨が明記されている場合を除き、OCR のマスク配列をネイティブ配列として送信しないでください。
• 列挙型クエリ（POST /v-w-c/enum/query2）を使用して、現在サポートされている sourceLang および Lang の値を取得してください。この列挙型エンドポイントでは署名は必要ありません。
• srcSrtUrl または tgtSrtUrl を読み取る前に、processStatus が 1 になるまでポーリングしてください。
• 保持期間に基づくクリーンアップが行われる前に、字幕ファイルを保存してください。