音频属性与过滤-实时计算 Flink版(Flink)-阿里云帮助中心

本文介绍音频函数中属性与过滤类函数的用法，包括 IS_VALID_AUDIO、AUDIO_METADATA、AUDIO_DURATION、AUDIO_DURATION_FILTER 和 AUDIO_SIZE_FILTER。

本文函数由Python 多模态函数库提供（VVR 11.8+），使用前需在 SQL 作业开头添加：

LOAD MODULE python;
USE MODULES python, core;

音频属性类函数用于校验、读取音频元数据；过滤类函数返回 BOOLEAN，可直接用于 WHERE 条件筛选。

函数一览

函数	类别	说明
IS_VALID_AUDIO	校验	通过媒体头探测或完整解码，按指定校验级别判断编码音频能否继续处理并返回布尔结果。适合在外部音频接入、批量回灌或 ASR 前置质量检查，例如先用 `metadata` 低成本粗筛，再用 `decode` 排除截断、空音频和解码大小超限的数据。
AUDIO_METADATA	元数据	读取音频的采样率、声道数、帧数、时长、格式、编码器、码率和对象大小等元数据。适合用于音频盘点、质量统计和按属性路由，例如按采样率选择预处理链路，或按格式识别异常数据来源。
AUDIO_DURATION	元数据	计算并返回音频的秒级时长。适合按音频长短分桶、估算处理成本或制定切分策略，例如把超长录音送入固定时长切分，将短录音直接交给 ASR。
AUDIO_DURATION_FILTER	过滤	判断音频时长是否位于指定闭区间，可只设下限、只设上限或同时设置。适合在模型推理或训练前过滤过短、过长样本，例如排除低于 1 秒的无效录音，或拦截超过模型输入上限的音频。
AUDIO_SIZE_FILTER	过滤	按字节判断 `BYTES` 或 URI 音频对象是否位于指定闭区间，不读取媒体内容。适合在下载、解码或发送到下游服务前控制资源消耗，例如提前拦截超大对象以降低网络和内存压力。

音频属性与过滤

IS_VALID_AUDIO

检查编码音频是否可以读取。该函数不接受解码后的波形。

IS_VALID_AUDIO(audio_input [, validation])

参数	类型	默认值	说明
`audio_input`	`BYTES`、`STRING` 或音频片段引用 `ROW`	必填	编码音频字节、URI 或音频片段引用。
`validation`	`STRING NOT NULL`	`'metadata'`	校验模式：`'metadata'` 只探测容器或文件头；`'decode'` 完整解码。

返回类型： BOOLEAN NOT NULL。

返回 FALSE 的情况（可用于 WHERE 过滤脏数据）：
- 输入为 NULL
- 字节流损坏、截断、格式不识别等可识别的媒体数据错误
抛异常导致作业失败的情况（需要在作业外保证前置条件）：
- URI 无法访问（路径不存在、无权限、网络失败）。
- 音频片段引用非法（边界越界、引用格式错误）。
- 依赖缺失、非媒体内部错误。

URI 或片段引用输入必须先在业务侧保证可达，不能靠 IS_VALID_AUDIO 兜底过滤。

-- 字节输入：URI 类问题不适用，只筛媒体损坏
SELECT * FROM raw_audio WHERE IS_VALID_AUDIO(audio_bytes, 'decode');

-- URI 输入：URI 不可达会让作业失败，不会被过滤掉
SELECT * FROM audio_files WHERE IS_VALID_AUDIO(uri, 'decode');

说明

decode 模式的内部解码上限固定为 1 GiB，与 AUDIO_DECODE 的 max_decoded_bytes 默认值一致，暂不支持通过参数调整。PCM 解码后大于 1 GiB 的合法音频会被判为 FALSE。

AUDIO_METADATA

读取编码音频或波形的元数据。

AUDIO_METADATA(audio_input)

参数	类型	默认值	说明
`audio_input`	`BYTES`、`STRING`、音频片段引用 `ROW` 或音频波形 `ROW`	必填	要读取元数据的音频。

返回类型： 音频元数据 ROW。

输入为 NULL 或编码音频损坏时返回 NULL。URI 访问失败、非法波形、依赖错误等异常仍会抛出。
对音频片段引用，frames 和 duration_ms 按引用区间裁剪，size 仍是完整编码对象的大小。
对音频波形，format、codec、bit_rate 和 size 为 NULL。
该函数没有 on_error 参数。

-- 推荐：显式单次调用，避免依赖优化器行为
SELECT
  meta.sample_rate,
  meta.duration_ms
FROM (
  SELECT AUDIO_METADATA(audio_bytes) AS meta FROM raw_audio
);

-- 或使用 CTE：
WITH decoded AS (
  SELECT AUDIO_METADATA(audio_bytes) AS meta FROM raw_audio
)
SELECT meta.sample_rate, meta.duration_ms FROM decoded;

AUDIO_DURATION

读取音频时长。

AUDIO_DURATION(audio_input)

参数	类型	默认值	说明
`audio_input`	`BYTES`、`STRING`、音频片段引用 `ROW` 或音频波形 `ROW`	必填	要读取时长的音频。

返回类型： DOUBLE，单位为秒。

实现先取得毫秒时长再除以 1000.0。输入为 NULL、编码数据损坏或无法确定时长时返回 NULL；URI 访问等非媒体数据错误仍会抛出。该函数没有 on_error 参数。

SELECT AUDIO_DURATION(audio_bytes) AS duration_seconds
FROM raw_audio;

AUDIO_DURATION_FILTER

判断音频时长是否在指定的闭区间内。

AUDIO_DURATION_FILTER(audio_input, min_seconds [, max_seconds])

参数	类型	默认值	说明
`audio_input`	`BYTES`、`STRING`、音频片段引用 `ROW` 或音频波形 `ROW`	必填	要过滤的音频。
`min_seconds`	`DOUBLE`	必填	最小时长，包含边界且必须大于或等于 0。三参数形式中可为 `NULL`。
`max_seconds`	`DOUBLE`	`NULL`	最大时长，包含边界且必须大于或等于 0。

返回类型： BOOLEAN NOT NULL。

至少一个边界必须非 NULL；同时指定时，max_seconds 必须大于或等于 min_seconds。输入为 NULL、编码音频损坏或时长未知时返回 FALSE。仅设置上限时，使用 NULL 占位：

SELECT *
FROM raw_audio
WHERE AUDIO_DURATION_FILTER(
  audio_bytes,
  CAST(NULL AS DOUBLE),
  30.0
);

AUDIO_SIZE_FILTER

判断编码音频对象的字节数是否在指定的闭区间内。该函数不读取或解码媒体内容，因此数据损坏但大小符合条件时仍返回 TRUE。

AUDIO_SIZE_FILTER(audio_input, min_bytes [, max_bytes])

参数	类型	默认值	说明
`audio_input`	`BYTES` 或 `STRING`	必填	编码音频字节或 URI；不支持片段引用和音频波形。
`min_bytes`	`INT` 或 `BIGINT`	必填	最小字节数，包含边界且必须大于或等于 0。三参数形式中可为 `NULL`。
`max_bytes`	`INT` 或 `BIGINT`	`NULL`	最大字节数，包含边界且必须大于或等于 0。

返回类型： BOOLEAN NOT NULL。

至少一个边界必须非 NULL，并且上限不得小于下限。字节输入直接取长度，URI 输入读取文件大小。输入为 NULL 时返回 FALSE；文件不存在、URI 不可访问或 URI 指向目录时抛出异常。

SELECT *
FROM raw_audio
WHERE AUDIO_SIZE_FILTER(
  audio_bytes,
  NULL,
  10485760
);