音频切片

前提条件

• 当前实例购买非结构化数据功能后，方可使用工作流功能。

• 已完成工作流的创建，详细创建步骤请参见创建及管理工作流。

背景信息

• 音频切片算子支持处理以下格式文件：mp3、mov、avi、mkv、m4a、wav。

• 音频切片算子默认分配1Core、4GB资源。

权限说明

Basic项目的项目管理员、开发者、分析师以及拥有数据集-使用权限的自定义项目角色，可在算子的输入和输出数据集中使用该项目下的所有数据集。

操作步骤

1. 在Dataphin首页的顶部菜单栏中，选择研发 > 数据研发。

2. 在开发页面的顶部菜单栏选择项目。

3. 在左侧导航栏中选择数据处理 > 工作流，在左侧工作流列表中单击目标工作流，打开工作流画布，在左侧算子库中拖动音频切片算子至画布中，并在右侧音频切片面板中配置以下参数。

   参数		描述
   步骤名称		输入当前算子名称，支持任意字符，不超过256个字符。
   输入配置	数据集	选择需处理的数据集，仅可选择混合数据集。数据集选择完成后还需选择其版本，默认为该数据集正序的第一个版本。 当前算子作为其他算子的下游时，此处所选数据集通常与上游算子的输出数据集一致。
   	输入字段	待处理音频文件的存储URL，需选择输入数据集中来源字段，仅可选择输入数据集中是否URL参数为是的字段。
   	过滤条件（非必填）	使用SQL语法，仅需输入where语句后的过滤条件，支持使用系统全局变量，例如业务日期${bizdate}。
   算子参数配置	切分方式	按声音切分：按音频中的音量与静音区间切分，与音频内容无关，适用于无背景音的干净音频，存在背景音乐时人声与音乐无法区分，默认为该方式。 选择按声音切分后，还需配置音量阈值（dB）、最小长度（ms）、最小间隔（ms）、逐帧检测步长（ms）和最大静音保留长度（ms）。 按对话切分：通过语音识别模型检测人声的起止时间点，按对话轮次切分并区分说话片段与非说话片段，适用于会议、访谈、客服等对话类音频，背景音乐与环境噪声不影响判定。 选择按对话切分后，还需配置模型、对话片段最小时长和输出方式。
   	音量阈值（dB）	控制静音检测灵敏度，数值越低对静音判断越敏感。可输入-60~-20间的整数，默认为-40。 说明 仅按声音切分方式支持配置此项。
   	最小长度（ms）	每个音频片段的最短时长，可输入1000~10000间的整数，默认为5000。 说明 仅按声音切分方式支持配置此项。
   	最小间隔（ms）	静音段落最小切片长度，可输入100~1000间的整数，默认为300。 说明 仅按声音切分方式支持配置此项。
   	逐帧检测步长（ms）	数值越小精度越高，数值越大速度越快。可输入5~50间的整数，默认为10。 说明 仅按声音切分方式支持配置此项。
   	最大静音保留长度（ms）	当音频中检测到长静音时，需要保留多少静音时间在切开后的片段中。数值越小，切分越精确，越大则有更多的静音过渡。可输入0~2000间的整数，默认为500。 说明 仅按声音切分方式支持配置此项。
   	模型	为当前算子选择所使用的模型，仅可选择智能应用管理 > 模型配置中模型类型包含音频、音频能力包含人声检测且已启用的模型。 说明 仅按对话切分方式支持配置此项。
   	对话片段最小时长	单个对话片段的最小时长，单位秒，默认为5秒。短于此时长的片段会与相邻片段合并为连续片段，避免产生无上下文的碎片片段。 说明 仅按对话切分方式支持配置此项。
   	输出方式	仅说话片段：仅输出有人说话的片段，可显著减少切片数量与存储占用，默认为该方式。 全部：输出全部片段（包含非说话片段）。 说明 仅按对话切分方式支持配置此项。
   输出配置	数据集	可选择一个混合数据集作为输出数据集。数据集选择完成后还需选择其版本，默认为该数据集正序的第一个版本。同时，支持选择来源数据集的其他版本。
   	切片文件目录	前缀固定为所选数据集文件存储的目录，您可输入指定存储的子目录，每一个来源音频文件都需存放在独立的子目录中。
   	加载策略	若所选输出数据集的元数据表中存在主键，则默认选择主键冲突时更新；若不存在主键，则默认选择追加数据。 追加数据：直接向目标表新增追加数据，当主键/约束冲突时，会提示错误。 主键冲突时更新：当主键/约束冲突时，会先删除整行主键重复的旧数据，再插入新数据。 覆盖：先删除目标表的数据，再写入数据。
   	字段映射	音频切片算子将固定输出以下字段： source_file_url：原输入长音频的URL。 sequence：序号。 file_url：切片后音频文件的URL。 audio_id：切片音频文件的唯一ID，用于下游进行唯一识别。 start_time：切片在原始音频中的起始时间，单位秒。 end_time：切片在原始音频中的终止时间，单位秒。 在实时工作流和在线工作流中，音频切片算子按1:N模式输出，即单条输入事件将产出多个音频片段，切片结果以audio_slices数组字段承载，可作为ForEach循环算子的遍历来源，将每个音频片段交由下游算子逐个处理，ForEach循环算子的迭代变量默认为audio_slice。 算子输出字段默认映射至输出数据集的同名字段，您也可以手动选择目标字段进行自定义映射。此外，支持将来源数据集的透传字段映射至目标数据集。您可以通过以下方式管理字段映射： 新增输出字段：单击后新增一行空白字段映射关系。 批量映射：单击后可选择批量手动映射、同名映射或同行映射。 删除映射：单击删除图标可删除对应行的字段映射，但算子固定输出字段的映射不支持删除。

4. 配置完成后，单击画布顶部菜单栏中的保存，保存此次配置。

   单个算子配置完成后，可继续为其选择上游或下游算子来完成完整工作流的配置。