文档

什么是音频拼接

更新时间:

您可以通过音频拼接功能,将多个音频拼接为一个音频并转换为需要的格式。本文介绍音频拼接功能参数及示例。

使用场景

  • 音乐创作与制作:音乐人和制作人在创作歌曲时,可能会将多个独立录制的乐器或人声部分拼接起来,形成完整的曲目。

  • 有声读物和语音内容创作:有声书制作时,往往将一段段朗读音频按照章节顺序拼接起来,确保故事连贯性。

  • 影视后期制作:在电影、电视剧或者动画片制作过程中,音频编辑师需将对话、旁白、环境音效以及配乐等多种音频元素拼接,以匹配视频画面。

  • 社交媒体内容创作:用户在短视频平台上传自创内容时,可能会将多种声音效果、旁白和背景音乐拼接在一起,以增加内容的表现力。

注意事项

  • 音频拼接仅支持异步处理(x-oss-async-process处理方式)。

  • 使用音频拼接前,需要先绑定IMM Project。关于控制台和API如何绑定,请参见快速入门AttachOSSBucket

  • 不支持匿名访问。

  • 必须拥有IMM处理所需的相关权限。更多信息,请参见权限

  • 当使用默认采样率或声道数进行拼接时,拼接可能由于目标音频容器的兼容性而失败。

参数说明

操作名称:audio/concat

具体参数如下表所示。

拼接参数

audio/concat的拼接顺序按照presur在请求串中的先后顺序进行拼接,具体如下:

  • /pre:前置拼接的音频文件。

  • /sur:后置拼接的音频文件。

参数

类型

是否必须

描述

ss

int

前缀,后缀音频的拼接起始时间,单位为毫秒。取值:

  • 0(默认值):从起始位置开始。

  • 大于0:从第ss毫秒开始。

t

int

前缀,后缀音频的拼接持续时长,单位为毫秒。取值:

  • 0(默认值):持续到结束位置。

  • 大于0:持续t毫秒。

o

string

当前Bucket下的OSS Object,需要以Base64 URL安全方式编码。

转码参数

参数

类型

是否必须

描述

ss

int

被拼接音频的拼接起始时间,单位为毫秒。取值:

  • 0(默认值):从起始位置开始。

  • 大于0:从第ss秒开始。

t

int

被拼接音频的拼接持续时长,单位为毫秒。取值:

  • 0(默认值):持续到结束位置。

  • 大于0:持续t毫秒。

f

string

音频容器:

  • mp3

  • aac

  • flac

  • oga

  • ac3

  • opus

  • amr

ar

int

音频采样率。默认与align指定的源音频一致,取值:

  • 8000

  • 11025

  • 12000

  • 16000

  • 22050

  • 24000

  • 32000

  • 44100

  • 48000

  • 64000

  • 88200

  • 96000

说明

不同格式支持的采样率有所不同,mp3仅支持48kHz及以下;opus支持8kHz、12kHz、16kHz、24kHz与48kHz;ac3支持32kHz、44.1kHz与48kHz;amr仅支持8kHz与16kHz。

ac

int

音频声道数。默认与align指定的源音频一致,取值范围:1~8。

说明

不同格式支持的声道数有所不同,mp3仅支持单、双声道;ac3最大支持6声道(5.1);amr仅支持单声道。

aq

int

音频压缩质量。取值范围:0~100。

说明

该参数与ab互斥,若都不设置则按照编码器默认码率进行编码。

ab

int

音频比特率(码率)。单位为比特/秒(bps)。取值范围:1000~10000000。

abopt

string

音频码率选项。取值:

  • 0(默认值):始终使用目标音频码率。

  • 1:拼接列表中存在源音频码率小于ab时使用拼接列表中最小的源音频码率。

  • 2:拼接列表中存在源音频码率小于ab时返回失败。

说明

该参数需要与ab一同设置。

align

int

主音频文件(提供默认转码参数)在拼接列表中的序号,默认为0(对齐拼接列表中第一个音频)。

adepth

int

音频采样位深,取值为16或24。

说明

该参数仅在f为flac时有效。

说明

音频拼接时也会用到sys/saveasnotify参数。更多信息,请参见另存为消息通知

使用REST API

将5段不同格式音频拼接为1段AAC格式音频

拼接信息

  • 拼接前

    • 音频名称:pre1.mp3,pre2.wav,example.oga,sur1.aac,sur2.wma

  • 处理方式

    • 拼接时长与顺序:

      音频名称

      顺序

      时长

      pre1.mp3

      1

      整段音频

      pre2.wav

      2

      前2秒

      example.oga

      3

      整段音频

      sur1.aac

      4

      第4秒到第十秒

      sur2.wma

      5

      第10秒到结尾

    • 转码完成消息通知:发送MNS消息

  • 拼接后

    • 音频信息

      • 音频格式:aac

      • 音频配置:44.1kHz采样率,单声道

      • 音频码率:96 Kbps

    • 文件存储路径

      • aac文件:oss://outbucket/outobj.aac

处理示例

// 对文件example.oga进行音频拼接。
POST /exmaple.oga?x-oss-async-process HTTP/1.1
Host: video-demo.oss-cn-hangzhou.aliyuncs.com
Date: Fri, 28 Oct 2022 06:40:10 GMT
Authorization: OSS qn6q**************:77Dv****************

x-oss-async-process=audio/concat,f_aac,ac_1,ar_44100,ab_96000,align_2/pre,o_cHJlMS5tcDMK/pre,o_cHJlMi53YXYK,t_2000/sur,o_c3VyMS5hYWMK,ss_4000,t_10000/sur,o_c3VyMi53bWEK,ss_10000|sys/saveas,b_b3V0YnVja2V0,o_b3V0b2JqLnthdXRvZXh0fQo/notify,topic_QXVkaW9Db252ZXJ0

使用SDK

仅支持使用Java、Python、Go SDK通过异步处理的方式完成音频拼接。

Java

要求使用3.17.4及以上版本的Java SDK。

import com.aliyun.oss.ClientBuilderConfiguration;
import com.aliyun.oss.OSS;
import com.aliyun.oss.OSSClientBuilder;
import com.aliyun.oss.common.auth.CredentialsProviderFactory;
import com.aliyun.oss.common.auth.EnvironmentVariableCredentialsProvider;
import com.aliyun.oss.common.comm.SignVersion;
import com.aliyun.oss.model.AsyncProcessObjectRequest;
import com.aliyun.oss.model.AsyncProcessObjectResult;
import com.aliyuncs.exceptions.ClientException;

import java.nio.charset.StandardCharsets;
import java.util.Base64;

public class Demo {

    public static void main(String[] args) throws ClientException, ClientException {
        // yourEndpoint填写Bucket所在地域对应的Endpoint。
        String endpoint = "https://oss-cn-hangzhou.aliyuncs.com";
        // 指定阿里云通用Region ID,例如cn-hangzhou。
        String region = "cn-hangzhou";
        // 从环境变量中获取访问凭证。运行本代码示例之前,请确保已设置环境变量OSS_ACCESS_KEY_ID和OSS_ACCESS_KEY_SECRET。
        EnvironmentVariableCredentialsProvider credentialsProvider = CredentialsProviderFactory.newEnvironmentVariableCredentialsProvider();
        // 指定Bucket名称。
        String bucketName = "examplebucket";
        // 指定拼接后的音频文件名称。
        String targetAudio = "dest.aac";
        // 需要拼接的音频文件名。
        String audio1 = "src1.mp3";
        String audio2 = "src2.mp3";

        // 创建OSSClient实例。
        ClientBuilderConfiguration clientBuilderConfiguration = new ClientBuilderConfiguration();
        clientBuilderConfiguration.setSignatureVersion(SignVersion.V4);
        OSS ossClient = OSSClientBuilder.create()
                .endpoint(endpoint)
                .credentialsProvider(credentialsProvider)
                .clientConfiguration(clientBuilderConfiguration)
                .region(region)
                .build();

        try {
            // 构建音频处理的样式字符串以及音频拼接处理参数。
            String audio1Encoded = Base64.getUrlEncoder().encodeToString(audio1.getBytes(StandardCharsets.UTF_8)).replace("=", "");
            String audio2Encoded = Base64.getUrlEncoder().encodeToString(audio2.getBytes(StandardCharsets.UTF_8)).replace("=", "");
            String style = String.format("audio/concat,f_aac,ac_1,ar_44100,ab_96000,align_2/pre,o_%s/pre,o_%s,t_0", audio1Encoded, audio2Encoded);

            // 构建异步处理指令。
            String bucketEncoded = Base64.getUrlEncoder().encodeToString(bucketName.getBytes(StandardCharsets.UTF_8)).replace("=", "");
            String targetEncoded = Base64.getUrlEncoder().encodeToString(targetAudio.getBytes(StandardCharsets.UTF_8)).replace("=", "");
            String process = String.format("%s|sys/saveas,b_%s,o_%s/notify,topic_QXVkaW9Db252ZXJ0", style, bucketEncoded, targetEncoded);

            // 创建AsyncProcessObjectRequest对象。
            AsyncProcessObjectRequest request = new AsyncProcessObjectRequest(bucketName, audio1, process);
            // 执行异步处理任务。
            AsyncProcessObjectResult response = ossClient.asyncProcessObject(request);
            System.out.println("EventId: " + response.getEventId());
            System.out.println("RequestId: " + response.getRequestId());
            System.out.println("TaskId: " + response.getTaskId());

        } finally {
            // 关闭OSSClient。
            ossClient.shutdown();
        }
    }
}

Python

要求使用Python SDK 2.18.4及以上版本。

# -*- coding: utf-8 -*-
import base64
import oss2
from oss2.credentials import EnvironmentVariableCredentialsProvider


def main():
    # 从环境变量中获取临时访问凭证。运行本代码示例之前,请确保已设置环境变量OSS_ACCESS_KEY_ID、OSS_ACCESS_KEY_SECRET。
    auth = oss2.ProviderAuthV4(EnvironmentVariableCredentialsProvider())

    # 填写Bucket所在地域对应的Endpoint。以华东1(杭州)为例,Endpoint填写为https://oss-cn-hangzhou.aliyuncs.com。
    endpoint = 'https://oss-cn-hangzhou.aliyuncs.com'

    # 指定阿里云通用Region ID,例如cn-hangzhou。
    region = 'cn-hangzhou'

    # 指定Bucket名称,例如examplebucket。
    bucket = oss2.Bucket(auth, endpoint, 'examplebucket', region=region)

    # 指定拼接后的音频文件名称。
    target_audio = 'dest.aac'

    # 指定需要拼接的音频文件名称。
    audio1 = 'src1.mp3'
    audio2 = 'src2.mp3'

    # 构建音频处理的样式字符串以及音频拼接处理参数。
    audio1_encoded = base64.urlsafe_b64encode(audio1.encode()).decode().rstrip('=')
    audio2_encoded = base64.urlsafe_b64encode(audio2.encode()).decode().rstrip('=')
    style = f"audio/concat,f_aac,ac_1,ar_44100,ab_96000,align_2/pre,o_{audio1_encoded}/pre,o_{audio2_encoded},t_0"

    # 构建异步处理指令。
    bucket_encoded = base64.urlsafe_b64encode(bucket_name.encode()).decode().rstrip('=')
    target_encoded = base64.urlsafe_b64encode(target_audio.encode()).decode().rstrip('=')
    process = f"{style}|sys/saveas,b_{bucket_encoded},o_{target_encoded}/notify,topic_QXVkaW9Db252ZXJ0"

    print(process)

    # 执行异步处理任务。
    try:
        result = bucket.async_process_object(audio1, process)
        print(f"EventId: {result.event_id}")
        print(f"RequestId: {result.request_id}")
        print(f"TaskId: {result.task_id}")
    except Exception as e:
        print(f"Error: {e}")


if __name__ == "__main__":
    main()

Go

要求使用Go SDK 3.0.2及以上版本。

package main

import (
	"encoding/base64"
	"fmt"
	"log"
	"os"

	"github.com/aliyun/aliyun-oss-go-sdk/oss"
)
func main() {
	// 从环境变量中获取临时访问凭证。运行本代码示例之前,请确保已设置环境变量OSS_ACCESS_KEY_ID、OSS_ACCESS_KEY_SECRET、OSS_SESSION_TOKEN。
	provider, err := oss.NewEnvironmentVariableCredentialsProvider()
	if err != nil {
		fmt.Println("Error:", err)
		os.Exit(-1)
	}
	// 创建OSSClient实例。
	// yourEndpoint填写Bucket对应的Endpoint,以华东1(杭州)为例,填写为https://oss-cn-hangzhou.aliyuncs.com。
	// yourRegion指定阿里云通用Region ID,例如cn-hangzhou。
	client, err := oss.New("https://oss-cn-hangzhou.aliyuncs.com", "", "", oss.SetCredentialsProvider(&provider), oss.AuthVersion(oss.AuthV4), oss.Region("cn-hangzhou"))
	if err != nil {
		fmt.Println("Error:", err)
		os.Exit(-1)
	}
	// 指定Bucket名称,例如examplebucket。
	bucketName := "examplebucket"

	bucket, err := client.Bucket(bucketName)
	if err != nil {
		fmt.Println("Error:", err)
		os.Exit(-1)
	}

	// 需要拼接的音频文件名称。
	audio1 := "src1.mp3"
	audio2 := "src2.mp3"
	// 指定拼接后的音频文件名称。
	targetAudio := "dest.aac"

	// 构建音频处理的样式字符串以及音频拼接处理参数。
	audio1Encoded := base64.URLEncoding.EncodeToString([]byte(audio1))
	audio2Encoded := base64.URLEncoding.EncodeToString([]byte(audio2))
	style := fmt.Sprintf("audio/concat,f_aac,ac_1,ar_44100,ab_96000,align_2/pre,o_%s/pre,o_%s,t_0", audio1Encoded, audio2Encoded)

	// 构建异步处理指令。
	bucketEncoded := base64.URLEncoding.EncodeToString([]byte(bucketName))
	targetEncoded := base64.URLEncoding.EncodeToString([]byte(targetAudio))
	process := fmt.Sprintf("%s|sys/saveas,b_%s,o_%s/notify,topic_QXVkaW9Db252ZXJ0", style, bucketEncoded, targetEncoded)

	// 执行异步处理任务。
	result, err := bucket.AsyncProcessObject(audio1, process)
	if err != nil {
		log.Fatalf("Failed to async process object: %s", err)
	}

	fmt.Printf("EventId: %s\n", result.EventId)
	fmt.Printf("RequestId: %s\n", result.RequestId)
	fmt.Printf("TaskId: %s\n", result.TaskId)
}