视频智能混剪算子基于对输入素材的理解、语音识别、语义检索与大模型编排能力，将口播、空镜或长实拍素材按文案、结构化分镜或自然语言创作要求自动匹配、排序并剪辑合成为最终成片。 # **算子介绍** > 算子 ID：las_video_remix ## 核心能力 * 算子会先完成素材理解和分镜匹配，再依据设置的剪辑场景模式（`mode`）生成剪辑方案。支持的剪辑场景模式包括： * **口播原声匹配**：`mode=speech_match`，输入需要剪辑提取的脚本文案，算子会在视频素材 ASR 中定位对应片段，剪辑输出命中片段的原始音画。此类场景下，输入的视频素材的视频画面和音频均可直接用于剪辑输出。 * **画面语义匹配**：`mode=visual_match` ，通过自然语音描述需要提取剪辑出的视频素材，例如视频画面的描述或视频内容文案的描述，此场景下，通常输入的视频素材的画面可用于剪辑输出，但音频通常不可用，您可选择输入 TTS 旁白来替代素材原声。 * **口播营销混剪**：`mode=marketing_headtalk` 对拍摄好的口播素材进行智能粗剪，并按语义选择性插入空镜。 * **长实拍流程剪辑**：`mode=long_real_shot` 面向谈价、交车、维修、探店等长实拍素材，按原声原画整理完整故事线进行智能剪辑，并支持通过 `max_duration_sec` 参数设置输出视频时长上限。 * **实拍与口播复合剪辑**：`mode=real_shot_headtalk` 将前段实拍现场和后段口播营销素材顺序拼成一条成片，两段素材通过 `section` 显式分段或按 ASR 文本自动分段。 * **直播切片**：`mode=live_slicing` 将直播录像切成多条围绕单个卖点或角度的独立短片。 * **成片重包装**：`mode=repackage` 使用上一次任务的 `match_scheme.json` 重新渲染成片，不重新执行素材理解和叙事规划。 * 不同剪辑场景模式下，可灵活设置输入的视频素材的应用场景。 * 通过素材角色（`role`）参数，将输入的视频素材标记为 `speech`（口播/主体素材）、`voiceover`（仅使用音频）或 `broll`（仅提供画面）；复合剪辑模式还可通过 `section=real_shot|headtalk` 指定素材分段。 * **结构化分镜**：支持使用 `speech`、`visual_description`、`duration` 和 `video_id` 控制每个脚本单元。 * **智能包装**：支持字幕特效、音效和 BGM，并可通过 `subtitle_style` 设置普通字幕样式。 * **图片素材与视频贴图**：`speech_match`、`visual_match`、`marketing_headtalk` 可结合最多 20 张图片，由系统选择视频贴图、单图铺满、多图组合或部分画面布局；单处规划失败时跳过该贴图并保留视频。 * **独立音轨增益**：可分别设置 BGM、合成 TTS 和原声/用户配音的 dB 增益；显式设置某一轨不会改变其他轨的自动处理。 * **行业模板**：支持 `automotive`（汽车）和 `life_service`（美食、探店、娱乐、生活方式）。 * **方案与产物交付**：算子处理完成后返回最终剪辑方案、SRT 字幕、无字幕成片和带字幕成片等产物。您也可通过 `data.match_scheme` 查看脚本单元与素材片段的匹配关系；直播切片的每条成片位于 `data.outputs[].artifacts`。 ## 效果展示 **【画面语义匹配示例】** * 输入视频 1：服装店货架空镜 [video](https://las-ai-cn-beijing-online.tos-cn-beijing.volces.com/operator_cards_serving/public/online/shared_video_dataset/marketing_sample/1dd17a4c-52aa-40ac-96af-e917fa7e5671.mp4) * 输入视频 2：服装店从门口到店内的空镜展示 [video](https://las-ai-cn-beijing-online.tos-cn-beijing.volces.com/operator_cards_serving/public/online/shared_video_dataset/marketing_sample/2fdc7c91-7469-407a-a3f0-141dc3c236ca.mp4) * 输入视频 3：服装店老板对镜展示服装上身效果空镜 [video](https://las-ai-cn-beijing-online.tos-cn-beijing.volces.com/operator_cards_serving/public/online/shared_video_dataset/marketing_sample/7f899ee9-2ab4-4b55-ad10-4c7ec122e859.mp4) * 输入视频 4：模特穿着服装店产品户外展示空镜 [video](https://las-ai-cn-beijing-online.tos-cn-beijing.volces.com/operator_cards_serving/public/online/shared_video_dataset/marketing_sample/8868ae47-b5cb-4b44-a20f-793c7a4fddef.mp4) * 输入视频 5：服装面料特写空镜 [video](https://las-ai-cn-beijing-online.tos-cn-beijing.volces.com/operator_cards_serving/public/online/shared_video_dataset/marketing_sample/b38ed882-0af8-427e-b09b-274343a230d5.mp4) * 输出视频：自动匹配、排序、合成并烧录字幕后的成片 [video](https://las-ai-cn-beijing-online.tos-cn-beijing.volces.com/operator_cards_serving/public/online/las_video_remix/visual_match_case1.mp4) --- **【汽车真人口播营销混剪示例】** 输入 1 条汽车销售顾问口播视频和 2 条车辆外观、内饰空镜，使用 `marketing_headtalk` 模式对口播素材进行智能粗剪，并按语义插入匹配的空镜。示例开启了动态花字、音效和 BGM，最终输出约 20 秒的营销短视频。 * 输入视频 1：销售顾问真人口播（`role=speech`） [video](https://lf3-static.bytednsdoc.com/obj/eden-cn/fgeh7lpauhz/3881fbba-fd3d-4ced-a541-cb39a49672be.mp4) * 输入视频 2：车辆外观空镜（`role=broll`） [video](https://lf3-static.bytednsdoc.com/obj/eden-cn/fgeh7lpauhz/ac541a33-7d20-4aea-bbb8-33eb5d45de4c.mp4) * 输入视频 3：车辆内饰空镜（`role=broll`） [video](https://lf3-static.bytednsdoc.com/obj/eden-cn/fgeh7lpauhz/a291c1c1-6926-4a13-a9a8-e277757de6a8.mp4) * 输出视频 1：完成口播粗剪和空镜编排的无字幕成片 [video](https://lf3-static.bytednsdoc.com/obj/eden-cn/fgeh7lpauhz/e50120a0-a7f7-4a37-b0d2-800b84d19b05.mp4) * 输出视频 2：添加动态花字、音效和 BGM 后的成片 [video](https://lf3-static.bytednsdoc.com/obj/eden-cn/fgeh7lpauhz/40819229-74e0-4fa3-9fbd-61e0714d0649.mp4) ## 支持的地域 * 北京：`cn-beijing` ## 算子性能 |细分项 |性能影响说明 | |---|---| |最大 RPM |600 | |最大并发数 |10 | |耗时 |整体耗时与素材数量、素材总时长、缓存命中情况、编辑档位以及是否渲染成片有关。

* `video_edit_mode=lite` 跳过大模型评估修正，速度优先；`pro` 启用评估修正，质量优先且耗时更长。

* 相同素材再次调用时，缓存命中的素材理解结果不会重复执行。 | # 输入与输出要求 ## 输入要求 |细分 |详细要求 | |---|---| |支持的输入数据模态 |* 视频

* 音频

* 图片

* 文本 | |输入模态：视频 |* 格式：`mp4`、`mov`、`m4v`、`webm`、`mkv`、`avi`。

* 数量与时长按模式区分：`speech_match`、`visual_match` 最多 1000 条；`marketing_headtalk` 最多 30 条、单条不超过 10 分钟、合计不超过 30 分钟；`long_real_shot` 最多 100 条、单条不超过 1 小时、合计不超过 2 小时；`real_shot_headtalk` 按分段分别应用前述限制；`live_slicing` 最多 12 段录像、单段不超过 5 小时、合计不超过 8 小时。

* 分辨率：所有输入视频必须保持分辨率一致，视频分辨率需在 360x640（360为短边，640 为长边）至1080x1920（1080为短边，1920 为长边）之间。

* 其他要求：请确保输入视频中携带字幕。 | |输入模态：音频 |输入素材仅用于最终成片的音频输入（`role=voiceover` ）时，支持输入音频格式素材：

* 格式：`mp3`、`wav`、`m4a`、`aac`、`flac`、`ogg` | |输入模态：图片 |`image_urls` 仅用于 `speech_match`、`visual_match`、`marketing_headtalk`；去重后最多 20 张，支持 `jpg`、`jpeg`、`png`、`webp` 的 TOS 文件或可解码的 HTTP(S) 直链，不接受目录。图片不会替代各模式必需的视频素材。 | |输入模态：文本 |对输入素材视频进行提炼剪辑时，可通过 `script` 参数输入固定文案、结构化分镜或自然语言创作要求；`repackage` 模式不接受 `script`，需传入 `match_scheme`。 | |输入路径要求 |通过请求参数 `video_urls` 提供给算子输入数据，当前支持公网 URL、TOS 路径这两种方式。

* 公网 URL：公网可访问的视频 URL，格式为 `http/https`。

* 公网 URL 不支持需要登录态或额外 Header 鉴权的地址；临时 URL 需在任务执行期间有效。

* TOS 路径：将待处理数据上传至与当前 LAS 服务同主账号、同地域的 TOS Bucket后，可提供 TOS 路径，格式为`tos://bucket_name/demo/`。

* TOS 对象需存在且具备读取权限。 | ## 输出要求 |细分 |详细要求 | |---|---| |输出数据模态 |* 视频

* 音频

* 文本（剪辑方案JSON等） | |输出路径：TOS |通过请求参数`output_tos_path` 、`tts_audio_tos_path`指定算子输出结果的存储路径，当前支持设置为 TOS 路径。

* TOS 路径：与LAS服务同主账号、同地域下，有可写权限的 TOS Bucket 目录，格式：`tos://bucket/output/`。 | |交付倍速 |`speech_match`、`marketing_headtalk`、`long_real_shot` 按固定 1.10 倍速交付；`real_shot_headtalk`、`visual_match`、`live_slicing`、`repackage` 不做倍速。 | |返回参数取值 |返回的 `duration_sec`、SRT 时间码与时长参数均已按最终交付口径折算，无需再次换算。 | # 计费说明 * 计费标准 |细分项 |计费标准说明 | |---|---| |计费项 |包含以下几个计费项：

* **素材理解费用**：输入视频素材的素材理解费用，基于输入视频素材总时间统计用量进行计费。

* 通过 TOS 输入视频素材时，同一个素材，首次提交任务会产生素材理解费用。

* 素材在 TOS 中没有变动时（路径、文件内容等没有变化），同一个素材不会重复产生xxx

* **智能编导费用**：生成最终视频成片时，调用模型编导最终视频内容的费用。基于输出成片总时长统计用量进行计费。未输出最终成片时不产生费用。

* **口播配音（TTS）费用**：按生成口播配音的字数统计用量进行计费。未生成口播配音时不产生费用。

* **智能字幕费用**：按生成智字幕的字数统计用量进行计费。未生成智能字幕时不产生费用。

* **特效花字费用**：按生成特效的字数统计用量进行计费。未生成特效花字时不产生费用。

任务总费用为以上计费项费用之和。 | |计费类型 |按量计费，按实际的计费用量每小时出账。计费精度：毫秒级、按比例、不满一分钟不补整。`live_slicing` 的素材理解只对切片窗口的派生素材计费，不随直播录像总时长计费。 | |单价 |不同计费项的单价不同，详情如下。 | * 计费详情 |计费项 |单价 | |---|---| |素材理解 |0.4 元/分钟 | |智能编导 |* lite：8 元/分钟

* pro：13 元/分钟 | |口播配音 |0.3 元/千字 | |智能字幕 |1.4 元/千字 | |特效花字 |0.2 元/千字 | # 注意与前提 |细分项 |注意与前提 | |---|---| |开通 LAS |* 如果您是一个全新的火山引擎用户，此前未开通过 LAS 产品，您可先开通 LAS，不使用 LAS 的计费功能仅开通 LAS 产品不会产生费用。开通操作请参见[准备工作](https://docs.volcengine.com/docs/6492/1264537)。

* 开通完成后可查看算子介绍文档，了解算子能力、上手引导等，详情可参见：[LAS 智能数据处理算子](https://docs.volcengine.com/docs/6492/1798368)。 | |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](https://www.volcengine.com/docs/6492/1544808)。 | |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](https://docs.volcengine.com/docs/6492/2191994)。 | |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。

详情请参见[获取 Base URL](https://docs.volcengine.com/docs/6492/2191993)，下文中的调用示例仅作为参考，实际调用时需替换为您对应地域的路径取值。 | # **Rest API 调用** ## API 调用说明 * 本算子的 API 为异步任务接口，您需要通过 `Submit` 接口提交任务获得任务的 `task_id`，再通过 `Poll` 接口获取对应任务（`task_id`）运行状态，并获取算子处理结果。 * 注意，任务提交后，任务的 `task_id` 有效期为 3 天，超过 3 天后即无法通过此 `task_id` 来获取算子处理结果。 ## Submit ### 接口说明提交视频智能混剪异步任务。算子根据素材与脚本生成剪辑方案，并可进一步完成字幕、智能包装、视频渲染和 TOS 交付。 ### 请求参数 **operator_id** string 必选 `示例值: las_video_remix` 算子 ID，固定为 `las_video_remix`。 **operator_version** string 必选 `示例值: v1` 算子版本，固定为 `v1`。 **data** VideoRemixReqParams 必选视频混剪业务参数。 **mode** string 必选 `示例值: marketing_headtalk` 支持的剪辑模式：`speech_match`，按素材 ASR 匹配并保留原声；`visual_match`，按画面语义匹配，可选 TTS；`marketing_headtalk`，口播营销粗剪并选择性插入空镜；`long_real_shot`，长实拍原声原画流程剪辑；`real_shot_headtalk`，实拍与口播复合成片；`live_slicing`，直播切片；`repackage`，成片重包装。其他值返回 `Parameter.Invalid`。 **video_urls** string / array `Conditional` `示例值: tos://bucket/remix/materials/` 输入素材。单字符串可为 TOS 目录前缀或单个 `tos://`、HTTP(S) 视频地址；数组只能包含具体文件，且必须全部为地址字符串或全部为对象。除 `repackage` 外均必填，`repackage` 不接受本字段。 **url** string 必选 `示例值: tos://bucket/remix/voiceover.mp3` 具体素材文件地址。支持 `tos://` 或 HTTP(S)。 **role** string `Optional` `示例值: voiceover` 素材角色，默认 `speech`。可选值：`speech`，保留并使用素材画面/口播；`voiceover`，只使用声音，原素材画面不可用，画面需额外输入空镜素材来覆盖，仅 `speech_match`、`marketing_headtalk`、`long_real_shot` 支持；`broll`，只作为候选画面。使用 `voiceover` 时需同时提供可用的 `broll` 视频素材的画面可用，音频不可用，作为空镜素材输入。 **section** string `Conditional` `示例值: real_shot` 复合分段，仅 `real_shot_headtalk` 使用，可选 `real_shot`（实拍流水段）或 `headtalk`（口播营销段）。对象数组中的素材要么每条都传，要么都不传；都不传时按 ASR 文本自动分段。 **script** string / array `Conditional` `示例值: 整理一条完整的产品介绍，开场突出卖点。` `speech_match`、`visual_match` 可传固定文案或 `ScriptShot` 对象数组，`speech` 字符总量不超过 1000；`marketing_headtalk`、`long_real_shot`、`real_shot_headtalk` 必须传最长 4000 字符的自然语言创作指令；`live_slicing` 可选；`repackage` 不接受本字段。 **speech** string `Conditional` `示例值: 今天介绍这款新品。` 需要匹配的口播或旁白文本。 **visual_description** string `Conditional` `示例值: 产品外观特写和开箱画面` 画面语义匹配描述。 **duration** float `Conditional` `示例值: 3.5` 目标画面时长，单位秒，必须大于 0。输入了 `visual_description` 时必选，通过本参数指定提炼出符合画面描述的视频时长；仅输入 `speech` 时不生效。 **video_id** string `Optional` `示例值: tos://bucket/remix/materials/clip-01.mp4` 将当前分镜限定在指定素材内取材，取值须与 `video_urls` 中的某条素材一致。 **image_urls** list of ImageUrlItem `Optional` 图片素材，仅 `speech_match`、`visual_match`、`marketing_headtalk` 支持，不能与 `initialize_only=true` 同用。省略、`null` 或空数组表示不使用图片；按完整 URL 去重后最多 20 张。 **url** string 必选 `示例值: tos://your-bucket/remix/images/product.png` 具体图片文件地址，支持 `tos://` 或 HTTP(S)。TOS 文件扩展名须为 jpg、jpeg、png 或 webp，不接受目录。 **caption** string `Optional` `示例值: 商品面料细节` 图片语义说明，最长 200 字符，用于匹配，不作为叠加文字或强制布局指令。 **audio** AudioParams `Optional` 成片音轨增益配置。增益不会自动开启 BGM 或生成 TTS，也不影响音效音量。 **bgm_gain_db** float `Optional` `示例值: -12` BGM 相对源音轨增益，范围 `[-60, 20]` dB；省略或 `null` 使用自动处理，显式 `0` 保持源电平并跳过该轨自动响度调整。 **tts_gain_db** float `Optional` `示例值: 3` 合成 TTS 音轨增益，范围 `[-60, 20]` dB。 **speech_gain_db** float `Optional` `示例值: 2` 原声口播或用户配音音轨增益，范围 `[-60, 20]` dB。 **video_edit_mode** string `Optional` `示例值: lite` 编辑档位：`lite` 跳过大模型评估修正，速度优先；`pro` 启用评估修正，质量优先。默认 `lite`。 **template** string `Optional` `示例值: automotive` 行业模板，可选 `automotive`（汽车）、`life_service`（美食、探店、娱乐、生活方式）。仅 `marketing_headtalk`、`long_real_shot`、`real_shot_headtalk` 和 `live_slicing` 生效。 **max_duration_sec** integer `Optional` `示例值: 300` 成片时长上限，单位秒，仅 `long_real_shot`、`real_shot_headtalk`、`live_slicing` 支持，范围 10～3600。只封顶不拉长，允许约 ±5 秒误差；`long_real_shot` 默认 210 秒，`live_slicing` 按每条切片计，默认 40 秒。 **min_duration_sec** integer `Optional` `示例值: 20` 成片时长下限，单位秒，仅 `long_real_shot`、`real_shot_headtalk`、`live_slicing` 支持，范围 5～3600，且须小于上限。只保底、不补充无效内容；`live_slicing` 默认 20 秒。 **max_clips** integer `Optional` `示例值: 5` 切片条数上限，仅 `live_slicing` 支持，范围 1～10，默认 5；达不到多样化要求时可能少于该值。 **opening_setting** OpeningSettingParams `Optional` 成片开场设置，仅 `long_real_shot`、`real_shot_headtalk` 的实拍段生效。 **enable_cold_open** boolean `Optional` `示例值: true` `true`（默认）时尝试将正片中最有悬念的片段前置为冷开场（约 1.5–9 秒，正片仍完整播放），没有合适片段时自动不生成；`false` 时成片直接从正式开场进入，既不前置钩子也不预留时长。 **render_video** boolean `Optional` `示例值: true` 是否渲染视频，默认 `true`。设为 `false` 时只生成剪辑方案与相关文件，不渲染视频；若已合成 TTS 旁白，仍返回 `artifacts.tts_audio_*`。返回的 `match_scheme.json` 可直接作为 `mode=repackage` 的入参。 **material_rotation** boolean `Optional` `示例值: false` 素材轮转开关，默认 `false`。开启后对账号近期使用次数较多的素材降权，仅影响 `speech_match`、`visual_match` 的画面或空镜候选。 **initialize_only** boolean `Optional` `示例值: false` 是否仅做素材预热建库，默认 `false`。仅 `speech_match`、`visual_match` 支持；开启后跳过匹配和渲染，仅返回素材理解结果。 **smart_packaging** SmartPackagingParams `Optional` 字幕特效、音效和 BGM 开关。LAS为您预置了多种字幕特效、音效和 BGM，打开开关后，模型在生成最终成片时会基于生成成片要求自动为您选择合适的特效字幕/音效/BGM。`marketing_headtalk`、`long_real_shot` 未传时三项默认全开，`speech_match`、`visual_match` 未传时默认全关。本开关仅控制是否开启特效字幕，普通逐句字幕不受此开关影响。 **enabled** boolean `Optional` `示例值: true` 为 `true` 时字幕特效、音效、BGM 全开并忽略细项；为 `false` 时仅开启显式为 `true` 的细项。不传时按模式默认。 **enable_subtitle_effect** boolean `Optional` `示例值: true` 是否启用动态字幕特效，默认 `false`；仅在 `enabled` 不为 `true` 时独立生效。 **enable_sound_effect** boolean `Optional` `示例值: true` 是否启用音效，默认 `false`；仅在 `enabled` 不为 `true` 时独立生效。 **enable_bgm** boolean `Optional` `示例值: true` 是否启用 BGM，默认 `false`；仅在 `enabled` 不为 `true` 时独立生效。 **subtitle_effect_density** string `Optional` `示例值: medium` 字幕特效密度，可选 `low`、`medium`、`high`；未开启字幕特效时不生效。 **subtitle_style** SubtitleStyleParams `Optional` 普通逐句字幕样式，`repackage` 不接受本字段。 **text_color** string `Optional` `示例值: #FFFFFF` 字色，支持 `#RRGGBB` 或 `#RRGGBBAA`，默认 `#FFFFFF`。 **outline_color** string `Optional` `示例值: #101010` 描边颜色，格式同 `text_color`。 **outline_width** integer `Optional` `示例值: 40` 描边粗细，范围 0～100，0 表示无描边。 **shadow_color** string `Optional` `示例值: #000000` 阴影颜色，格式同 `text_color`。 **shadow_size** integer `Optional` `示例值: 0` 阴影距离，范围 0～100，0 表示无阴影。 **font_size** integer `Optional` `示例值: 68` 正文字号，范围 24～120。 **keyword_font_size** integer `Optional` `示例值: 80` 关键词字号，范围 24～120。 **position_ratio** float `Optional` `示例值: 0.67` 字幕行中心距画面顶部的高度比例，范围 0.05～0.95，数值越大越靠下。 **video_spec** VideoSpecParams `Optional` 成片交付规格，支持设置分辨率、帧率以及是否严格校验素材规格。不传时默认交付 1080×1920、60 fps、非严格校验的视频。输出视频编码为 H.264（yuv420p），音频编码为 AAC 44.1 kHz 立体声，容器格式为 MP4。 **width** integer `Optional` `示例值: 1080` 画面宽度，取值范围为 64～7680，必须与 `height` 同时传入。 **height** integer `Optional` `示例值: 1920` 画面高度，取值范围为 64～7680，必须与 `width` 同时传入。 **fps** integer `Optional` `示例值: 60` 输出帧率，取值范围为 1～240。 **strict** boolean `Optional` `示例值: false` 是否严格校验素材规格。设置为 `true` 时，如果素材低于目标规格，将返回 `Parameter.Invalid`；设置为 `false` 时，将按素材实际情况向下适配，不进行上采样。 **output_tos_path** string `Optional` `示例值: tos://bucket/remix/results/` 输出目录，必须是当前身份可写的 `tos://bucket/prefix/`。不传时优先写入输入素材所在的可写 Bucket，否则写入平台默认 Bucket。 **tts** TtsParams `Optional` TTS 配置。`visual_match` 可合成整段旁白；`speech_match` 可为未命中的句子补充 TTS；其他模式不生成 TTS。还支持将 `resource_id`、`namespace`、`uid`、`model`、`ssml`、`enable_timestamp`、`enable_subtitle`、`additions`、`mix_speaker` 原样透传给底层语音合成服务，一般无需设置。仓库未声明这些透传字段的类型、默认值和取值范围，使用时须遵循对应语音合成服务的参数要求。 **enable** boolean `Optional` `示例值: true` 是否启用 TTS，默认 `false`。 **fill_missing_speech** boolean `Optional` `示例值: true` 仅 `speech_match` 支持。将素材原声中未定位到的句子改为 TTS，默认 `false`；开启时须同时设置 `enable=true`。 **language** string `Optional` `示例值: zh` 旁白语言，可选 `zh`（中文）、`en`（英文）、`id`（印尼语）、`ar`（阿拉伯语）、`es`（西班牙语）、`ja`（日语）、`ko`（韩语）；不传时根据待合成文案自动识别，未指定 `voice` 时据此选择默认音色。 **voice** string `Optional` `示例值: zh_female_vv_uranus_bigtts` Seed\-TTS 2.0 音色 ID。不传时根据语言和画面人物特征自动选择。 **speed** float `Optional` `示例值: 1.25` 语速倍率，默认 `1.25`。未传 `speech_rate` 时根据该值换算语速档位。 **speech_rate** integer `Optional` `示例值: 0` 语速档位，范围为 `[-50, 100]`，其中 `-50` 表示 0.5 倍速、`0` 表示 1.0 倍速、`100` 表示 2.0 倍速。传入时优先于 `speed`。 **loudness_rate** float `Optional` `示例值: 0` 合成源音频的音量档位，范围为 `[-50, 100]`。`audio.tts_gain_db` 单独控制最终视频中的 TTS 音轨，不会修改合成源文件。 **emotion** string `Optional` `示例值: happy` 情感风格，支持的取值由底层语音合成服务及所选音色决定。 **emotion_scale** float `Optional` `示例值: 3` 情感强度，范围为 `[1, 5]`。 **format** string `Optional` `示例值: mp3` 合成音频编码，可选 `mp3`、`ogg_opus`、`pcm`、`wav`，默认 `mp3`。 **sample_rate** integer `Optional` `示例值: 24000` 合成音频采样率，默认 `24000`。 **bit_rate** integer `Optional` 合成音频码率。 **match_scheme** string `Conditional` `示例值: tos://bucket/remix/results/match_scheme.json` 重包装方案文件的 TOS 路径，仅 `repackage` 使用且必填。文件须与算子产出的 `match_scheme.json` 结构一致；图片布局保存在片段的 `image_overlays`，显式音轨增益保存在方案 `audio` 中。重包装时不再额外传 `image_urls` 或 `audio`。 `speech_match`、`marketing_headtalk`、`long_real_shot` 按固定 1.10 倍速交付；`real_shot_headtalk`、`visual_match`、`live_slicing`、`repackage` 不做倍速。返回的 `duration_sec`、SRT 时间码与时长参数均已按交付口径折算，无需再次换算。 ### 返回数据 **metadata** Metadata 异步任务元信息。 **task_id** string `示例值: task-20260813143000-abc123` 异步任务 ID，用于 Poll 查询。 **task_status** string `示例值: PENDING` 任务状态：`PENDING`（已接收并排队）、`RUNNING`（处理中）、`COMPLETED`（成功终态）、`FAILED`（失败终态）、`TIMEOUT`（超时终态）。Submit 成功后通常为 `PENDING`。 **business_code** string `示例值: 0` 业务码，`0` 表示提交成功；非 `0` 时结合 `error_msg` 排查。 **error_msg** string 错误信息，成功时为空。 ### 示例 #### 请求示例以下示例使用 `marketing_headtalk` 对口播素材和空镜素材进行营销混剪。请将 TOS 路径替换为当前账号同地域的可读写路径。 ```Bash curl --location "https://operator.las.cn-beijing.volces.com/api/v1/submit" \ --header "Content-Type: application/json" \ --header "Authorization: Bearer $LAS_API_KEY" \ --data '{ "operator_id": "las_video_remix", "operator_version": "v1", "data": { "video_urls": [ { "url": "tos://your-bucket/remix/materials/headtalk_01.mp4", "role": "speech" }, { "url": "tos://your-bucket/remix/materials/product_broll.mp4", "role": "broll" } ], "mode": "marketing_headtalk", "template": "automotive", "script": "剪成一条节奏紧凑的汽车介绍视频，开场突出核心卖点，结尾引导了解详情。", "video_edit_mode": "lite", "smart_packaging": { "enabled": true }, "output_tos_path": "tos://your-bucket/remix/results/" } }' ``` #### 其他模式的核心入参 ```JSON { "speech_match": { "mode": "speech_match", "script": "第一句口播。第二句口播。", "tts": { "enable": true, "fill_missing_speech": true, "language": "zh" } }, "visual_match": { "mode": "visual_match", "script": [ { "speech": "今天介绍这款新品。", "visual_description": "产品外观特写" }, { "visual_description": "户外使用场景", "duration": 3 } ], "tts": { "enable": true, "language": "zh" } }, "long_real_shot": { "mode": "long_real_shot", "template": "automotive", "script": "整理一条完整的谈价流程，以最终成交为结尾。", "max_duration_sec": 180, "opening_setting": { "enable_cold_open": true } }, "real_shot_headtalk": { "mode": "real_shot_headtalk", "template": "automotive", "max_duration_sec": 120, "video_urls": [ { "url": "tos://bucket/handover-01.mp4", "role": "speech", "section": "real_shot" }, { "url": "tos://bucket/sales-talk.mp4", "role": "speech", "section": "headtalk" }, { "url": "tos://bucket/product-broll.mp4", "role": "broll", "section": "headtalk" } ], "script": "前半段交付现场的真实过程，后半段接销售总结。" }, "live_slicing": { "mode": "live_slicing", "template": "life_service", "max_clips": 6, "min_duration_sec": 25, "max_duration_sec": 45, "script": "每条切片只讲一个品，开头用主播报价或对比抓人，结尾保留引导下单。" }, "repackage": { "mode": "repackage", "match_scheme": "tos://your-bucket/remix/results/match_scheme.json" } } ``` #### 自定义交付规格与字幕样式以下片段可合入支持自定义交付规格和字幕样式的请求中。 ```JSON { "video_spec": { "width": 1080, "height": 1920, "fps": 30, "strict": false }, "subtitle_style": { "text_color": "#FFF589", "outline_color": "#101010", "outline_width": 55, "shadow_size": 20, "font_size": 60, "position_ratio": 0.8 } } ``` #### 图片与分轨增益组合请求以下示例仅开启 BGM，将背景音乐衰减 12 dB、原声口播放大 2 dB。图片字符串与对象可以混用，所有路径须替换为实际可读写路径。 ```JSON { "operator_id": "las_video_remix", "operator_version": "v1", "data": { "mode": "marketing_headtalk", "video_urls": [ { "url": "tos://your-bucket/remix/materials/host.mp4", "role": "speech" } ], "script": "介绍这款外套的面料和穿着体验，突出柔软舒适的特点。", "image_urls": [ { "url": "tos://your-bucket/remix/images/fabric.png", "caption": "面料近景，展示纹理细节" }, "tos://your-bucket/remix/images/reaction.webp" ], "smart_packaging": { "enabled": false, "enable_bgm": true }, "audio": { "bgm_gain_db": -12, "speech_gain_db": 2 }, "output_tos_path": "tos://your-bucket/remix/results/" } } ``` #### TTS 与原声独立处理以下片段可合入已有请求：将 TTS 放大 3 dB，原声保持源电平并跳过自动归一；未指定的 BGM 仍使用自动混音。实际是否生成 TTS 由 `mode` 和 `tts` 配置决定。 ```JSON { "audio": { "tts_gain_db": 3, "speech_gain_db": 0 } } ``` #### 返回示例 ```JSON { "metadata": { "task_id": "task-20260813143000-abc123", "task_status": "PENDING", "business_code": "0", "error_msg": "" } } ``` ### 错误码 |HttpStatusCode |错误码 |错误信息 |描述 | |---|---|---|---| |400 |Parameter.Invalid |The parameter is invalid. |参数类型、模式、枚举、范围、素材角色、`section` 统一性、时长参数适用模式、`video_spec.strict` 下素材规格、`repackage` 携带编排类字段等。 | |400 |Material.Empty |no material video found |TOS 前缀下没有视频，或未找到可用素材。 | |400 |Shot.Empty |initialization produced no shots |素材初始化未产出可匹配分镜。 | |400 |Tos.AccessFailed |Failed to access TOS path with provided credentials |TOS 输入/输出地址无效、对象不存在或当前身份无读写权限。 | |401 |Authorization.Missing |Missing Authorization. |缺少鉴权信息。 | |401 |ApiKey.Invalid |The api key is invalid. |API Key 无效。 | |429 |Server.Busy |Server is Busy, please try again later. |服务繁忙或触发限流。 | |500 |Server.InternalError |General Internal Error |服务内部错误。 | 上表为请求校验或任务创建阶段可能返回的错误。素材理解、匹配、渲染和上传等异步错误通过 Poll 的 `metadata.business_code` 与 `metadata.error_msg` 返回，可能的错误码还包括 `Speech.Empty`、`Plan.Failed`、`AsrPro.Failed`、`Video.VLMFailed`、`Tts.Failed`、`Ffmpeg.error`、`Video.Timeout`、`Task.Canceled`、`Repackage.SchemeInvalid`、`Repackage.MaterialUnreadable`、`Repackage.AssetNotFound`、`Repackage.AnchorConflict` 和 `InternalError`。 ## Poll ### 接口说明查询视频智能混剪异步任务的执行状态和结果。仅当 `task_status=COMPLETED` 且 `business_code=0` 时返回完整 `data`；`PENDING`、`RUNNING`、`FAILED`、`TIMEOUT` 状态下通常不返回 `data`。 ### 请求参数 |名称 |类型 |是否必选 |示例值 |描述 | |---|---|---|---|---| |operator_id |string |是 |las_video_remix |算子 ID，固定为 `las_video_remix`。 | |operator_version |string |是 |v1 |算子版本，固定为 `v1`。 | |task_id |string |是 |task\-20260813143000\-abc123 |Submit 返回的 `metadata.task_id`。 | ### 返回数据 **metadata** Metadata 任务元信息。 **task_id** string `示例值: task-20260813143000-abc123` 异步任务 ID。 **task_status** string `示例值: COMPLETED` 任务状态：`PENDING`（继续轮询）、`RUNNING`（继续轮询）、`COMPLETED`（成功终态，读取 `data`）、`FAILED`（失败终态）、`TIMEOUT`（超时终态）。 **submit_time** string `示例值: 2026-08-13T14:30:00+08:00` 任务提交时间，ISO 8601 格式。 **end_time** string `示例值: 2026-08-13T14:33:10+08:00` 任务结束时间，ISO 8601 格式；任务未结束时可能为空。 **business_code** string `示例值: 0` 业务码，`0` 表示成功；非 `0` 时查看 `error_msg`。 **error_msg** string 错误信息，成功时为空。 **data** VideoRemixResponse 成功终态的混剪结果；其他状态下通常不返回或为空。 **clazz** string `示例值: las_video_remix` 返回数据类型，固定为 `las_video_remix`。 **mode** string `示例值: marketing_headtalk` 本次实际执行的模式。 **template** string `示例值: automotive` 实际使用的业务模板，仅配置模板时返回。 **confidence** float `示例值: 0.92` 分层规划方案置信度，自动编排模式返回。 **duration_sec** float `示例值: 58.6` 成片或方案时间线总时长，单位秒；固定倍速模式已按交付口径折算。 **shot_count** integer `示例值: 126` 可用于匹配的素材分镜数量。 **unit_count** integer `示例值: 12` 脚本/叙事单元数量。 **match_scheme** object 最终剪辑方案，可原样用于 `repackage`。图片呈现记录在视频片段的 `image_layout` 或 `image_overlays` 中；布局是输出方案字段，不是 Submit 坐标参数。 **audio_mode** string `示例值: asr` 音频来源：`asr` 使用素材原声、`tts` 使用合成旁白、`raw_av` 直接沿用原片音画。 **units** list of MatchUnit 剪辑方案单元。不同模式可能额外返回 `unit_id`、`role`、`scene_change`、`seam_transition`、`montage`、`subtitle_fixes`、`candidates` 或 `cover_candidates`。 **index** integer `示例值: 0` 方案单元索引。 **unit_id** string 自动编排模式的稳定单元标识。 **text** string 本单元文案或内容说明。 **duration** float `示例值: 3.4` 本单元方案时长，单位秒；整片交付倍速在最终时间轴另行折算。 **video_id** string 本单元主素材标识；详细画面来源以片段列表为准。 **video_name** string 主素材名称。 **start_time** string `示例值: 00:00:01.200` 主素材内起点，格式为 `HH:MM:SS.mmm`。 **end_time** string `示例值: 00:00:04.600` 主素材内终点，时间口径同 `start_time`。 **media_binding** string `示例值: lock_av` `lock_av` 锁定原音画，`audio_capture_only` 只取原声，`visual_only` 仅取画面。 **visual_sources** list of MatchVisualSource 当前单元的画面源片段。 **locked_segments** list of MatchVisualSource 锁定的源片段。 **picture** list of MatchVisualSource 方案按需记录的画面片段列表。 **audio_source** object 当前单元音源说明；最终固定增益由方案 `audio` 决定。 **candidates** list of object 给定文案模式的候选记录，最终选中项位于首项。 **cover_candidates** list of object `speech_match` 的换画面候选。 **audio** AudioGainParams 本次显式配置的音轨 dB 增益；字段缺失或为 `null` 表示该轨自动处理。重包装时修改方案中的此对象，不在请求顶层追加 `audio`。 **bgm_gain_db** float `示例值: -12` 显式 BGM 固定增益，范围 `[-60,20]` dB。 **tts_gain_db** float `示例值: 3` 最终视频 TTS 轨增益，范围 `[-60,20]` dB，不改变 TTS 源文件。 **speech_gain_db** float `示例值: 2` 原声口播及用户配音增益，范围 `[-60,20]` dB。 **image_sticker_placement** ImageStickerPlacement 视频贴图落点请求或跳过时的诊断统计。没有此对象不代表图片均未使用，图片也可铺满或占据部分画面。 **requested** integer `示例值: 1` 实际发起的视频贴图落点规划次数，不是 `image_urls` 图片数量。 **placed** integer `示例值: 1` 成功落位的贴图处数。 **skipped** integer `示例值: 0` 因无合适空间或规划失败而跳过的贴图处数；宿主视频仍保留。 **notes** list of string 匹配过程提示，例如降级或 ASR 未命中。 **subtitle** object 字幕样式与逐句 `cues`。 **transition_plan** list of object 逐边界转场方案。 **audio_direction_plan** object BGM 与音效方案。 **video_filter_decision** object 全片主滤镜决策。 **delivery_spec** object 交付规格，包含 `width`、`height`、`fps`。 **playback_speed** float `示例值: 1.1` 交付倍速，仅大于 1 时出现。 **MatchVisualSource** object 方案中的视频或图片画面来源。 **video_id** string 原视频或图片素材标识。 **video_name** string 素材名称。 **start_time** string 视频片段源内起点，格式为 `HH:MM:SS.mmm`。 **end_time** string 视频片段源内终点。 **cover_media** string `示例值: image` 图片覆盖视觉片段时可返回 `image`。 **image_layout** ImageLayout 图片铺满、组合或部分画面布局。 **image_overlays** list of ImageOverlay 叠加在当前视频片段上的图片；无贴图时为空或省略。 **image_id** string 贴图引用的图片素材标识。 **offset_ms** integer `示例值: 500` 相对宿主视频片段起点的偏移，单位毫秒，不是源视频绝对时间或成片全局时间。 **duration_ms** integer `示例值: 1800` 贴图显示时长，须大于 0，且与偏移之和不得超出宿主片段。 **layout** ImageLayout 系统规划的贴图布局，`kind=video_sticker`。 **ImageLayout** object 图片布局结构。 **kind** string `示例值: video_sticker` `full` 单图铺满、`stack` 多图组合、`panel` 图片占部分画面、`video_sticker` 视频贴图；由系统选择。 **canvas** list of integer `示例值: [1080,1920]` 布局画布 `[宽,高]`，单位像素。 **tiles** list of ImageTile 图片块及其几何信息。 **image_id** string 图片素材标识。 **src_crop** list of integer `示例值: [0,0,600,600]` 源图片裁剪矩形 `[x,y,宽,高]`，单位为源图像素。 **dest** list of integer `示例值: [760,180,240,240]` 目标矩形 `[x,y,宽,高]`，单位为画布像素。 **rotation_deg** float `示例值: 5` 图片旋转角，单位度。 **radius_px** integer `示例值: 0` 圆角半径，单位画布像素。 **shadow** boolean `示例值: false` 是否应用阴影。 **enter** ImageAnimation 入场动画。 **exit** ImageAnimation 出场动画。 **backdrop** string `black` 黑底或 `blur` 模糊底；无背景时为 `null`。 **motion** ImageMotion 可选画面运动。 **kind** string `示例值: push_in` 运动类型，当前为缓慢推近 `push_in`。 **zoom_from** float `示例值: 1.0` 起始缩放倍率。 **zoom_to** float `示例值: 1.05` 结束缩放倍率。 **total_ms** integer `示例值: 3000` 运动总时长，单位毫秒；0 表示使用片段时长。 **ImageAnimation** object 图片入场或出场动画。 **kind** string `示例值: fade` 支持 `fade`、`slide_left`、`slide_right`、`slide_up`。 **delay_ms** integer `示例值: 0` 动画延迟，单位毫秒，至少为 0。 **duration_ms** integer `示例值: 250` 动画时长，单位毫秒，至少为 0。 **subtitle_srt** string `示例值: 1\n00:00:00,000 --> 00:00:03,400\n核心卖点。` 生成的 SRT 字幕内容。 **subtitle_effects_enabled** boolean `示例值: true` 本次是否启用了动态字幕特效。 **transition_plan** array 逐边界转场方案，生成时返回。 **audio_direction_plan** object BGM/音效方案，启用对应智能包装能力时返回。 **video_filter_decision** object 视频滤镜决策，模式执行滤镜规划时返回。 **outputs** array `live_slicing` 的切片结果列表，每项对应一条切片；其他模式不返回。 **clip_id** string `示例值: clip_001` 切片 ID。 **batch_index** integer `示例值: 1` 切片序号，从 1 开始，与产物目录 `batch_NNN` 对应。 **product** string `示例值: 便携风扇` 当前切片讲解的商品。 **angle** string `示例值: 续航对比` 卖点角度。 **audience** string `示例值: 户外人群` 目标人群。 **hook_type** string `示例值: pricing_hook` 钩子类型，可能为空。 **hook_text** string 钩子台词。 **cta_text** string 行动引导台词。 **planned_duration_sec** float `示例值: 32.0` 规划时估算的口播时长，单位秒。 **planned_rows** list of string `示例值: ["row_12","row_17"]` 规划选用的口播行 ID。 **source_windows** list of object 当前切片取自直播录像的区间，每项包含 `video`、`video_name`、`start_ms`、`end_ms`、`contains_hook`、`derived_uri`。 **duration_sec** float `示例值: 32.0` 当前切片的交付时长。 **match_scheme** object 当前切片的剪辑方案。 **subtitle_srt** string 当前切片的 SRT 字幕文本。 **artifacts** Artifacts 当前切片的视频、字幕和方案产物，字段与单条成片的 `artifacts` 相同。 **clip_count** integer `示例值: 5` 仅 `live_slicing` 返回，表示实际产出的切片条数。 **requested_clips** integer `示例值: 6` 仅 `live_slicing` 返回，表示请求的切片条数上限，即 `max_clips` 取默认后的值。 **clip_duration_band_sec** list of integer `示例值: [25,45]` 仅 `live_slicing` 返回，本次生效的每条切片时长范围 `[最短秒数,最长秒数]`。 **clips_shortfall** object 仅 `live_slicing` 在实际条数少于请求时返回，包含 `requested`、`produced`、`dropped[{clip_id,reason}]` 和 `failed[{clip_id,reason}]`。 **session_digest** object 仅 `live_slicing` 返回的整场规划摘要，包含录像清单、商品、讲品段卡片和切片规划，用于排查。 **artifacts** Artifacts 输出产物，未生成或为空的字段省略。`render_video=false` 不渲染视频，但实际合成的 TTS 音频仍可通过 `tts_audio_*` 返回；字幕烧录失败时交付无字幕版与 SRT。`live_slicing` 的顶层产物仅包含整场规划摘要和完整结果，各条切片的视频产物位于 `outputs[].artifacts`。 **video_subtitled_tos_path** string `示例值: tos://bucket/remix/results/subtitled.mp4` 带字幕成片的 TOS 路径；字幕烧录失败时可通过无字幕版与 SRT 获取结果；未生成时为空或省略。 **video_subtitled_url** string `示例值: https://example.com/subtitled.mp4` 对应 `video_subtitled_tos_path` 的预签名临时链接；对应产物生成时返回。 **video_clean_tos_path** string `示例值: tos://bucket/remix/results/clean.mp4` 无字幕成片的 TOS 路径；仍可包含旁白、BGM 与音效，未渲染时省略。 **video_clean_url** string `示例值: https://example.com/clean.mp4` 对应 `video_clean_tos_path` 的预签名临时链接；对应产物生成时返回。 **video_speech_only_tos_path** string `示例值: tos://bucket/remix/results/speech_only.mp4` 仅含人声、未混入 BGM 与音效的视频 TOS 路径；生成该版本时返回。 **video_speech_only_url** string `示例值: https://example.com/speech_only.mp4` 对应 `video_speech_only_tos_path` 的预签名临时链接；对应产物生成时返回。 **video_audio_directed_tos_path** string `示例值: tos://bucket/remix/results/audio_directed.mp4` 完成 BGM 与音效混音的视频 TOS 路径；生成该混音版本时返回。 **video_audio_directed_url** string `示例值: https://example.com/audio_directed.mp4` 对应 `video_audio_directed_tos_path` 的预签名临时链接；对应产物生成时返回。 **video_clip_tos_paths** list of string `示例值: ["tos://bucket/remix/results/clips/clip_000.mp4"]` 分镜视频片段的 TOS 路径列表；生成片段时返回。 **video_clip_urls** list of string `示例值: ["https://example.com/clip_000.mp4"]` 分镜视频片段的预签名临时链接列表，与 `video_clip_tos_paths` 按顺序对应。 **tts_audio_tos_path** string `示例值: tos://bucket/remix/results/tts.mp3` 已合成并交付的 TTS 旁白音频 TOS 路径。`visual_match` 启用 `tts.enable`，或 `speech_match` 同时启用 `tts.enable`、`tts.fill_missing_speech` 且存在未匹配句子时生成；未生成时省略。 **tts_audio_url** string `示例值: https://example.com/tts.mp3` 对应 `tts_audio_tos_path` 的预签名临时链接；对应产物生成时返回。 **tts_audio_duration_sec** float `示例值: 58.6` TTS 源音频的实际时长，单位秒；取得有效音频时长时返回，不等同于成片 `duration_sec`。 **subtitle_srt_tos_path** string `示例值: tos://bucket/remix/results/subtitle.srt` SRT 字幕文件的 TOS 路径，时间码采用交付时间轴；生成字幕文件时返回。 **subtitle_srt_url** string `示例值: https://example.com/subtitle.srt` 对应 `subtitle_srt_tos_path` 的预签名临时链接；对应产物生成时返回。 **subtitle_effect_ass_tos_path** string `示例值: tos://bucket/remix/results/subtitle_effect.ass` 字幕特效 ASS 文件的 TOS 路径；生成并保存该文件时返回。 **subtitle_effect_ass_url** string `示例值: https://example.com/subtitle_effect.ass` 对应 `subtitle_effect_ass_tos_path` 的预签名临时链接；对应产物生成时返回。 **subtitle_effect_timeline_tos_path** string `示例值: tos://bucket/remix/results/subtitle_effect_timeline.json` 字幕特效时间轴 JSON 的 TOS 路径；生成并保存该文件时返回。 **subtitle_effect_timeline_url** string `示例值: https://example.com/subtitle_effect_timeline.json` 对应 `subtitle_effect_timeline_tos_path` 的预签名临时链接；对应产物生成时返回。 **custom_subtitle_timeline_tos_path** string `示例值: tos://bucket/remix/results/custom_subtitle_timeline.json` 自定义画面字幕、信息卡等时间轴 JSON 的 TOS 路径；生成并保存该文件时返回。 **custom_subtitle_timeline_url** string `示例值: https://example.com/custom_subtitle_timeline.json` 对应 `custom_subtitle_timeline_tos_path` 的预签名临时链接；对应产物生成时返回。 **video_filter_decision_tos_path** string `示例值: tos://bucket/remix/results/video_filter_decision.json` 视频滤镜决策 JSON 的 TOS 路径；生成并保存该文件时返回。 **video_filter_decision_url** string `示例值: https://example.com/video_filter_decision.json` 对应 `video_filter_decision_tos_path` 的预签名临时链接；对应产物生成时返回。 **match_scheme_tos_path** string `示例值: tos://bucket/remix/results/match_scheme.json` 完整剪辑方案 JSON 的 TOS 路径，可作为 `mode=repackage` 的 `match_scheme` 入参。 **match_scheme_url** string `示例值: https://example.com/match_scheme.json` 对应 `match_scheme_tos_path` 的预签名临时链接；对应产物生成时返回。 **initialization_jsonl_tos_path** string `示例值: tos://bucket/remix/results/initialization_results.jsonl` 逐素材理解结果快照 JSONL 的 TOS 路径；初始化完成并保存快照时返回。 **initialization_jsonl_url** string `示例值: https://example.com/initialization_results.jsonl` 对应 `initialization_jsonl_tos_path` 的预签名临时链接；对应产物生成时返回。 **result_json_tos_path** string `示例值: tos://bucket/remix/results/result.json` 完整结果 JSON 的 TOS 路径，包含本次执行结果与产物信息。 **result_json_url** string `示例值: https://example.com/result.json` 对应 `result_json_tos_path` 的预签名临时链接；对应产物生成时返回。 **video_cover_tos_path** string `示例值: tos://bucket/remix/results/cover.jpg` 成片封面图片的 TOS 路径；实际生成封面时返回。 **video_cover_url** string `示例值: https://example.com/cover.jpg` 对应 `video_cover_tos_path` 的预签名临时链接；对应产物生成时返回。 **coarse_script_tos_path** string `示例值: tos://bucket/remix/results/coarse_script.json` 粗剪脚本 JSON 的 TOS 路径；执行流程产出该文件时返回。 **coarse_script_url** string `示例值: https://example.com/coarse_script.json` 对应 `coarse_script_tos_path` 的预签名临时链接；对应产物生成时返回。 **audio_direction_plan_tos_path** string `示例值: tos://bucket/remix/results/audio_direction_plan.json` BGM、音效编排方案 JSON 的 TOS 路径；生成并保存该文件时返回。 **audio_direction_plan_url** string `示例值: https://example.com/audio_direction_plan.json` 对应 `audio_direction_plan_tos_path` 的预签名临时链接；对应产物生成时返回。 **audio_library_tos_path** string `示例值: tos://bucket/remix/results/audio_library.json` 音频素材库清单 JSON 的 TOS 路径，用于核对音频编排候选；生成并保存该清单时返回。 **audio_library_url** string `示例值: https://example.com/audio_library.json` 对应 `audio_library_tos_path` 的预签名临时链接；对应产物生成时返回。 **live_session_digest_tos_path** string `示例值: tos://bucket/remix/results/live_session_digest.json` `live_slicing` 的直播场次摘要 JSON，包含录像、商品、讲品段与切片规划；位于任务级 `artifacts`。 **live_session_digest_url** string `示例值: https://example.com/live_session_digest.json` 对应 `live_session_digest_tos_path` 的预签名临时链接；对应产物生成时返回。 **usage** Usage 本次成功任务的实际业务用量；仅记录真实执行成功的能力，不计算价格。 **version** string `示例值: v1` 用量协议版本，当前为 `v1`。 **material_duration_ms** integer `示例值: 180000` 本次实际执行素材理解的时长，单位毫秒；缓存命中的素材不重复计入。 **director_tier** string `示例值: lite` 实际执行的视频导演档位，`lite` 或 `pro`；未产出成片时为空字符串。 **director_output_duration_ms** integer `示例值: 58600` 成功产出成片的累计时长，单位毫秒；同一成片的无字幕版和字幕版不重复计入。 **tts_chars** integer `示例值: 0` 实际成功合成的 TTS 计费字符数；未使用 TTS 时为 0。 **subtitle_chars** integer `示例值: 320` 实际烧入成片的普通字幕字符数；字幕烧录失败时不计。 **effect_chars** integer `示例值: 86` 实际烧入成片的动态花字字符数。 ### 示例 #### 请求示例 ```Bash curl --location "https://operator.las.cn-beijing.volces.com/api/v1/poll" \ --header "Content-Type: application/json" \ --header "Authorization: Bearer $LAS_API_KEY" \ --data '{ "operator_id": "las_video_remix", "operator_version": "v1", "task_id": "task-20260813143000-abc123" }' ``` #### 返回示例 `visual_match` 启用 `tts.enable=true` 并生成旁白后的返回节选，TTS 音频信息位于 `data.artifacts`： ```JSON { "metadata": { "task_id": "task-20261008143000-abc123", "task_status": "COMPLETED", "business_code": "0", "error_msg": "" }, "data": { "clazz": "las_video_remix", "mode": "visual_match", "duration_sec": 58.6, "match_scheme": { "audio_mode": "tts" }, "artifacts": { "video_clean_tos_path": "tos://your-bucket/remix/results/clean.mp4", "video_clean_url": "https://example.com/clean.mp4", "tts_audio_tos_path": "tos://your-bucket/remix/results/tts.mp3", "tts_audio_url": "https://example.com/tts.mp3", "tts_audio_duration_sec": 58.6, "match_scheme_tos_path": "tos://your-bucket/remix/results/match_scheme.json", "match_scheme_url": "https://example.com/match_scheme.json" } } } ``` 以下为 `marketing_headtalk` 的成功终态示例。临时预签名链接的有效期以服务端实际返回为准；长期保存请使用 TOS 地址。 ```JSON { "metadata": { "task_id": "task-20260813143000-abc123", "task_status": "COMPLETED", "submit_time": "2026-08-13T14:30:00+08:00", "end_time": "2026-08-13T14:33:10+08:00", "business_code": "0", "error_msg": "" }, "data": { "clazz": "las_video_remix", "mode": "marketing_headtalk", "template": "automotive", "confidence": 0.92, "duration_sec": 58.6, "playback_speed": 1.1, "shot_count": 126, "unit_count": 12, "match_scheme": { "audio_mode": "asr_match", "units": [ { "index": 0, "text": "开场突出产品的核心卖点。", "video_id": "tos://your-bucket/remix/materials/headtalk_01.mp4", "video_name": "headtalk_01.mp4", "start_time": "00:00:01.200", "end_time": "00:00:04.600", "duration": 3.4, "media_binding": "lock_av" } ], "notes": [], "delivery_spec": {"width": 1080, "height": 1920, "fps": 60}, "playback_speed": 1.1 }, "subtitle_srt": "1\n00:00:00,000 --> 00:00:03,400\n开场突出产品的核心卖点。", "subtitle_effects_enabled": true, "artifacts": { "video_subtitled_tos_path": "tos://your-bucket/remix/results/subtitled.mp4", "video_subtitled_url": "https://example.com/subtitled.mp4", "video_clean_tos_path": "tos://your-bucket/remix/results/clean.mp4", "video_clean_url": "https://example.com/clean.mp4", "subtitle_srt_tos_path": "tos://your-bucket/remix/results/subtitle.srt", "subtitle_srt_url": "https://example.com/subtitle.srt", "match_scheme_tos_path": "tos://your-bucket/remix/results/match_scheme.json", "match_scheme_url": "https://example.com/match_scheme.json", "result_json_tos_path": "tos://your-bucket/remix/results/result.json", "result_json_url": "https://example.com/result.json" }, "usage": { "version": "v1", "material_duration_ms": 180000, "director_tier": "lite", "director_output_duration_ms": 58600, "tts_chars": 0, "subtitle_chars": 320, "effect_chars": 86 } } } ``` `live_slicing` 成功返回示例（节选）： ```json { "metadata": {"task_status": "COMPLETED", "business_code": "0"}, "data": { "mode": "live_slicing", "clip_count": 5, "requested_clips": 6, "clip_duration_band_sec": [25, 45], "duration_sec": 182.0, "outputs": [ { "clip_id": "clip_001", "batch_index": 1, "product": "便携风扇", "angle": "续航对比", "duration_sec": 32.0, "artifacts": { "video_subtitled_tos_path": "tos://your-bucket/remix/results/batch_001/subtitled.mp4", "video_subtitled_url": "https://example.com/batch_001/subtitled.mp4" } } ], "clips_shortfall": { "requested": 6, "produced": 5, "dropped": [{"clip_id": "clip_006", "reason": "duration_below_min"}] }, "artifacts": { "live_session_digest_tos_path": "tos://your-bucket/remix/results/live_session_digest.json", "result_json_tos_path": "tos://your-bucket/remix/results/result.json" } } } ``` 图片布局与音轨增益结果示例（仅展示 `match_scheme` 相关字段）： ```json { "metadata": { "task_id": "task-image-example", "task_status": "COMPLETED", "business_code": "0", "error_msg": "" }, "data": { "clazz": "las_video_remix", "mode": "marketing_headtalk", "match_scheme": { "audio": {"bgm_gain_db": -12, "speech_gain_db": 2}, "image_sticker_placement": {"requested": 1, "placed": 1, "skipped": 0}, "units": [ { "index": 0, "text": "穿着柔软舒适。", "media_binding": "lock_av", "locked_segments": [ { "video_id": "tos://your-bucket/remix/materials/host.mp4", "video_name": "host.mp4", "start_time": "00:00:01.200", "end_time": "00:00:04.600", "image_overlays": [ { "image_id": "tos://your-bucket/remix/images/reaction.webp", "offset_ms": 500, "duration_ms": 1800, "layout": { "kind": "video_sticker", "canvas": [1080, 1920], "backdrop": null, "motion": null, "tiles": [ { "image_id": "tos://your-bucket/remix/images/reaction.webp", "src_crop": [0, 0, 600, 600], "dest": [760, 180, 240, 240], "enter": {"kind": "fade", "delay_ms": 0, "duration_ms": 250}, "exit": null, "radius_px": 0, "shadow": false, "rotation_deg": 5.0 } ] } } ] } ] } ] } } } ``` **轮询与错误处理** * `PENDING`、`RUNNING` 为非终态，应继续轮询。 * `COMPLETED`、`FAILED`、`TIMEOUT` 为终态。仅 `COMPLETED` 且 `business_code=0` 表示成功。 * `FAILED` 或 `TIMEOUT` 时，使用 `metadata.business_code` 与 `metadata.error_msg` 排查，不要读取空的 `data` 作为业务结果。 ### 错误码 |HttpStatusCode |错误码 |错误信息 |描述 | |---|---|---|---| |400 |Parameter.Invalid |The parameter is invalid. |Poll 请求参数不合法。 | |400 |Task.NotFound |Task not found |任务不存在、已过期或当前身份无权查询。 | |401 |Authorization.Missing |Missing Authorization. |缺少鉴权信息。 | |401 |ApiKey.Invalid |The api key is invalid. |API Key 无效。 | |500 |Server.InternalError |General Internal Error |服务内部错误。 | 任务执行失败时，`metadata.business_code` 还可能返回： * 请求参数：`Parameter.Invalid`。 * 素材 / TOS：`Material.Empty`、`Tos.AccessFailed`。 * 匹配链路：`Shot.Empty`、`Speech.Empty`、`Plan.Failed`、`AsrPro.Failed`、`Video.VLMFailed`。 * 合成：`Tts.Failed`、`Ffmpeg.error`。 * 任务：`Video.Timeout`、`Task.Canceled`。 * 重包装：`Repackage.SchemeInvalid`、`Repackage.MaterialUnreadable`、`Repackage.AssetNotFound`、`Repackage.AnchorConflict`。 * 其他：`InternalError`。具体原因见 `error_msg`。

AI 数据湖服务