文档中心

视频点播

StartExecution - 提交媒体处理任务

提交 OCR 提取字幕任务

本文为您详细介绍如何调用 StartExecution 接口提交异步的 OCR 提取字幕任务。该接口利用光学字符识别技术，自动识别并提取视频帧中的视觉文本（如硬字幕、演职员表、公告文字等），输出带有时间轴信息的结构化文本结果，助力视频内容的深度分析、搜索推荐及合规审核。详细功能介绍和使用流程请见 OCR 提取字幕。

注意事项

调用准备：在调用本接口前，建议您先阅读如何调用 OpenAPI 文档，以了解 OpenAPI 的通用调用流程，包括在线调试、获取 curl 命令、请求签名等基础操作。

计费说明：提交任务会产生视频 AI 费用，具体参见视频 AI 应用计费。

QPS 限制：本接口的单用户 QPS 限制为 50 次/秒。超过限制，API 调用会被限流，这可能会影响您的业务，请合理调用。更多信息，请参见 QPS 限制。

请求说明

请求方式：POST

请求地址：https://vod.volcengineapi.com?Action=StartExecution&Version=2025-01-01

调试

API Explorer

您可以通过 API Explorer 在线发起调用，无需关注签名生成过程，快速获取调用结果。

去调试

请求参数

下表仅列出该接口特有的请求参数和部分公共参数。更多信息请见公共请求参数。

Query

Action String 必选示例值：StartExecution

接口名称。当前 API 的名称为 StartExecution。

Version String 必选示例值：2025-01-01

接口版本。当前 API 的版本为 2025-01-01。

Body

Input Object 可选示例值：-

输入文件信息。

Type String 必选示例值：Vid

输入文件类型。取值如下：

Vid：Vid 模式。此模式下，您还需设置 Vid 参数。

DirectUrl：DirectUrl 模式。此模式下，您还需设置 DirectUrl 参数。

Vid String 可选示例值：v0ccfeg7007acsg***fog65ubr7niqng

待处理视频的 Vid。您需要在调用本接口前，通过任一方式将视频上传至点播空间，并获取其 Vid。

注意

您必须设置 Vid 或 DirectUrl参数之一，但不能同时设置这两个参数。

DirectUrl Object 可选示例值：-

通过 DirectUrl 模式指定待处理视频的信息。您需要在调用本接口前，通过任一方式将视频上传至点播空间，并获取其相关信息。

注意

您必须设置 Vid 或 DirectUrl参数之一，但不能同时设置这两个参数。

SpaceName String 必选示例值：test

空间名称。可调用 ListSpace 获取当前账号下所有空间的信息。

FileName String 必选示例值：example.mp4

文件路径。音视频上传至视频点播服务后，您可通过媒资上传完成事件获取 FileName。

BucketName String 可选示例值：tos-cn-v-cd3a11

存储桶名称。可调用 ListSpace 获取空间所绑定的存储桶名称。

Tag String 可选示例值：ImageSet

标识输入的类型，用于区分不同场景下的输入内容。支持的取值如下：

ImageSet：OCR 提取字幕任务中表示输入为图集。

Operation Object 必选示例值：-

媒体处理操作配置。

Type String 必选示例值：Task

处理类型。取值如下：

Task：单任务。

Task Object 可选示例值：-

单任务配置。当 Type 为 Task 时需要设置此参数。

Type String 必选示例值：Ocr

任务类型：

Ocr: OCR 提取字幕任务。

Ocr Object 可选示例值：-

OCR 提取字幕任务配置。当 Type 为 Ocr时需要设置此参数。

WithImageSet Boolean 可选示例值：true

当输入为 Vid 时，是否对视频中的图集进行 OCR 识别。若视频中无图集，则返回空的识别结果。

注意

使用前请提交工单联系火山引擎技术支持团队申请开通白名单。

Mode String 可选示例值：-

工作模式。决定了 OCR 识别结果的输出粒度和维度。OCR 算法会自动识别视频画面中的所有文本，并将其分类为“字幕”或“其它”（如 LOGO、水印、场景文字等）。支持的取值如下：

Subtitle（默认）：字幕模式。仅在任务结果中返回被识别为“字幕”类型的文本内容。适用于快速提取对话的场景。

Detailed：详细模式。在任务结果中输出所有被识别到的文本（包含“字幕”和“其它”全部类型）。此外，该模式还会额外输出每文本的类别标签及在画面中的位置信息。适用于内容安全审核、画面深度分析等精细化场景。

注意

使用其它模式需提交工单联系火山引擎技术支持团队申请。

Control Object 可选示例值：-

任务控制配置。

ClientToken String 可选示例值：QqS3o5L4BLFCDxGZ&b

用户请求凭证，用于区分不同请求。大小写敏感，不超过 64 个 ASCII 码可打印字符。默认情况下，视频点播转码服务在接收到触发工作流请求后，会执行幂等行为。这意味着，如果判定当前请求与之前发送的请求相同，则不会重复执行该请求。关于幂等行为、目的和条件，请参考工作流幂等说明。若您希望跳过幂等行为，例如修改了某一工作流所绑定的媒体处理模板中的配置，想要对同一个 Vid 重新执行相同的工作流，则可以设置此参数。

CallbackArgs String 可选示例值：Example

自定义字段，将在媒体处理任务执行完成事件中透传返回。字段长度最大为 512 字节。

返回参数

下表仅列出本接口特有的返回参数。更多信息请见公共返回参数。

RunId String 示例值：hb:c5cacd4946bd***a5fd9f74159b03ae8

媒体处理任务执行 ID。

请求示例

通过 Vid 提交 OCR 提取字幕任务。

错误码

本接口无特有的错误码。更多信息请见公共错误码。

服务端 SDK

视频点播为 OpenAPI 提供了配套的服务端 SDK，支持多种编程语言，帮助您实现快速开发。建议使用服务端 SDK 来调用 API。本接口仅 VOD SDK 2.0 支持，详见 V2.0 SDK 介绍与迁移说明。

最近更新时间：2026.09.18 21:46:18

这个页面对您有帮助吗？

有用

无用