【短视频SDK - 参数解析】对焦模式、裁剪模式、视频质量、分辨率、视频比例、帧率、关键帧间隔等参数解析

简介: 短视频SDK中有许多的参数需要开发者来填写,开发者需要对这些参数有一个基本的了解,看完本文希望开发者能够根据自己的业务设置这些参数.以达到最好的效果.

1.参数简析

参数名称 简介 影响
裁剪模式 分为填充模式和裁剪模式 影响图像画面的展示细节
视频质量 是指生成的视频的输出参数,是一组参数决定的数值 视频清晰度和文件大小
分辨率 图像分辨率则是单位英寸中所包含的像素点数,分辨率影响图像大小,与图像大小成正比:分辨率越高,图像越大;分辨率越低,图像越小。 影响视频文件大小和画面大小
视频比例 视频预览和输出的比例,常用1:1,4:3,3:4,16:9,9:16 根据需求不同展示不同的比例,影响视频大小
帧率 默认:25fps 影响视频的连贯度,通俗的来讲就是过小就会显得卡顿
关键帧间隔 单位:fps, 跟帧率设置有关,设置值最小为50fps,建议值125 影响视频清晰度
对焦模式 录制时可以设置手动对焦或者是追焦模式 视频清晰度和需要对焦的点

2.详细解析

2.1 裁剪模式

裁剪模式在导入编辑、导入裁剪模块都有用到,主要是渲染视频或者是裁剪视频时需要决定画面的大小.

2.1.1 画面填充模式

是指设置的输出的视频大小始终能够显示完整的视频画面,整体画面比例如果不一致会通过补黑边的形式来显示画面.
典型例子:视频原始大小为640*360 输出大小设置为360*640
_

2.1.2 画面裁剪模式

是指设置的输出大小只会显示设置的裁剪区域大小的视频画面.不会有黑边
典型示例:视频原始大小为480*640,输出大小为360*640.
原始视频演示大小示例图:
480_640_
裁剪视频演示大小示例图:
360_640_

注意:所以画面裁剪模式可能会出现画面显示不全的情况,我们需要尽量多的显示画面,如何尽量多的显示画面呢?见:如何做到视频原始比例裁剪?

2.2 视频质量:VideoQuality(Android) / AliyunVideoQuality(iOS)

我们录制、裁剪、编辑合成时都会需要设置视频质量,这个参数非常重要,直接决定你生成视频的清晰度和文件大小.参数有(以Android为例,iOS仅名字有差异):SSD,HD,SD,LD,PD,EPD六档,用户可以根据自己的业务需求来选择自己的参数.demo的参数设置即为我们推荐的参数设置.

之后会提供一个文件大小和清晰度的对比,以此来帮助用户选择参数.(立Flag)

2.3 分辨率 和 视频比例

我们将分辨率和视频比例放在一起讲是因为这是决定视频画面大小的点.
Demo中提供了一些常规的分辨率和视频比例选择,但是事实上接口上是支持任意分辨率的(除基础版本).用户可以根据自己的业务来任意选择.
常规的分辨率为:360p,480p,540p,720p
常规的视频比例:1:1,3:4,4:3,9:16,16:9

示例:如选择360p,9:16的视频比例.则视频分辨率为:360*640

2.4 帧率 和 关键帧间隔(GOP)

帧率:每秒的帧数(fps)或者说帧率表示图形处理器处理场时每秒钟能够更新的次数.高的帧率可以得到更流畅、更逼真的动画。一般来说30fps就是可以接受的流畅度了.目前Demo默认设置25.
关键帧: 是一个完整的画面,是一个画面里面最重要的,如果一个画面组中没有关键帧就会出现花屏现象.
关键帧间隔(GOP):一个GOP就是一个画面组,字面意思也很简单,两个关键帧之间的间隔就是关键帧间隔,单位为fps(帧),比如设置的帧率为25,关键帧间隔设置为125,则这个GOP的时长就是:125/25 = 5s.

参数建议示例:因为我们都是短视频,涉及到播放的seek问题,所以建议帧率25,GOP设置50.不建议太高.

2.7 对焦模式

2.7.1 Android

AliyunIRecorder的setFocusMode接口.目前安卓提供两种对焦模式,自动对焦和追焦模式.具体参考demo中的写法.(基础版无设置选项)

    - 自动对焦:mRecorder.setFocusMode(CameraParam.FOCUS_MODE_AUTO);
    - 追焦:mRecorder.setFocusMode(CameraParam.FOCUS_MODE_CONTINUE);

2.7.2 iOS

自动对焦,且能够对某个点对焦,具体参考Demo中录制接口的focusPoint.


本文为【问答合集】阿里视频云常见技术问题汇总——内含技术文档40+ 持续更新中 系列文章之一,如果本文还不能解决你的问题可以在汇总合集中查看,有任何问题也欢迎回复,谢谢.

目录
相关文章
|
8月前
|
监控 安全 数据可视化
哪些项目适合采用BOT+EPC模式?深度解析
2分钟了解什么是BOT+EPC项目管理模式以及该模式适用于哪些类型的项目。
637 1
哪些项目适合采用BOT+EPC模式?深度解析
|
4月前
|
人工智能 自然语言处理 开发工具
HarmonyOS NEXT~鸿蒙开发能力:HarmonyOS SDK AI 全解析
本文深入解析HarmonyOS SDK中的AI功能集,涵盖分布式AI引擎、核心组件(NLP、计算机视觉等)及智能决策能力。通过代码示例与开发实践指南,帮助开发者掌握环境配置、性能调优及多场景应用(智能家居、移动办公等)。同时探讨性能优化策略与未来演进方向,助力构建高效分布式智能应用。
290 9
|
6月前
|
前端开发 数据安全/隐私保护 CDN
二次元聚合短视频解析去水印系统源码
二次元聚合短视频解析去水印系统源码
182 4
|
7月前
|
数据可视化 算法 数据挖掘
用傅里叶变换解码时间序列:从频域视角解析季节性模式
本文介绍了如何使用傅里叶变换和周期图分析来识别时间序列中的季节性模式,特别是在能源消耗数据中。通过Python实现傅里叶变换和周期图,可以有效提取并量化时间序列中的主要和次要频率成分,克服传统可视化分析的局限性。这对于准确捕捉时间序列中的季节性变化具有重要意义。文章以AEP能源消耗数据为例,展示了如何应用这些方法识别日、周、半年等周期模式。
318 3
用傅里叶变换解码时间序列:从频域视角解析季节性模式
|
7月前
|
数据采集 Web App开发 存储
深度解析:使用 Headless 模式 ChromeDriver 进行无界面浏览器操作
本文介绍了基于无界面浏览器(如ChromeDriver)和代理IP技术的现代爬虫解决方案,以应对传统爬虫面临的反爬机制和动态加载内容等问题。通过Selenium驱动ChromeDriver,并结合亿牛云爬虫代理、自定义Cookie和User-Agent设置,实现高效的数据采集。代码示例展示了如何配置ChromeDriver、处理代理认证、添加Cookie及捕获异常,确保爬虫稳定运行。性能对比显示,Headless模式下的ChromeDriver在数据采集成功率、响应时间和反爬规避能力上显著优于传统爬虫。该方案广泛应用于电商、金融和新闻媒体等行业。
420 0
深度解析:使用 Headless 模式 ChromeDriver 进行无界面浏览器操作
|
9月前
|
人工智能 搜索推荐 API
Cobalt:开源的流媒体下载工具,支持解析和下载全平台的视频、音频和图片,支持多种视频质量和格式,自动提取视频字幕
cobalt 是一款开源的流媒体下载工具,支持全平台视频、音频和图片下载,提供纯净、简洁无广告的体验
1389 9
Cobalt:开源的流媒体下载工具,支持解析和下载全平台的视频、音频和图片,支持多种视频质量和格式,自动提取视频字幕
|
8月前
|
CDN
阿里云CDN怎么收费?看这一篇就够了,CDN不同计费模式收费价格全解析
阿里云CDN的费用由基础费用和增值费用组成。基础费用有三种计费方式:按流量、按带宽峰值和月结95带宽峰值,默认为按流量计费,价格根据使用量阶梯递减。增值费用包括静态HTTPS请求、QUIC请求等,按实际使用量收费,不使用不收费。具体收费标准和详细规则可参考阿里云官方页面。
|
9月前
|
JSON 自然语言处理 Java
OpenAI API深度解析:参数、Token、计费与多种调用方式
随着人工智能技术的飞速发展,OpenAI API已成为许多开发者和企业的得力助手。本文将深入探讨OpenAI API的参数、Token、计费方式,以及如何通过Rest API(以Postman为例)、Java API调用、工具调用等方式实现与OpenAI的交互,并特别关注调用具有视觉功能的GPT-4o使用本地图片的功能。此外,本文还将介绍JSON模式、可重现输出的seed机制、使用代码统计Token数量、开发控制台循环聊天,以及基于最大Token数量的消息列表限制和会话长度管理的控制台循环聊天。
3266 7
|
10月前
|
数据采集 机器学习/深度学习 数据挖掘
10种数据预处理中的数据泄露模式解析:识别与避免策略
在机器学习中,数据泄露是一个常见问题,指的是测试数据在数据准备阶段无意中混入训练数据,导致模型在测试集上的表现失真。本文详细探讨了数据预处理步骤中的数据泄露问题,包括缺失值填充、分类编码、数据缩放、离散化和重采样,并提供了具体的代码示例,展示了如何避免数据泄露,确保模型的测试结果可靠。
640 2
|
11月前
|
人工智能 数据挖掘 大数据
排队免单与消费增值模式:融合玩法与优势解析
排队免单模式通过订单排队、奖励分配、加速与退出机制等,结合消费增值模式中的积分制度、利润入池与积分增值等,共同提升消费者参与度和忠诚度,促进商家销售增长。具体包括订单自动排队、大单拆小单、异业联盟、线上线下融合及数据分析优化等进阶玩法,以及积分增值模型演算,形成一套完整的消费者激励体系。

推荐镜像

更多
  • DNS