利用Meida Service的Java SDK来调用Azure Media Services的Index V2实现视频字幕自动识别

浙江雁荡山

　　Azure Media Services新的Index V2 支持自动将视频文件中的语音自动识别成字幕文件WebVtt,非常方便的就可以跟Azure Media Player集成，将一个原来没字幕的视频文件自动配上一个对应语言的字幕。而且强大的语音识别功能支持识别多国语言包括：

• English [EnUs]
  
• Spanish [EsEs]
  
• Chinese [ZhCn]
  
• French [FrFr]
  
• German [DeDe]
  
• Italian [ItIt]
  
• Portuguese [PtBr]
  
• Arabic (Egyptian) [ArEg]
  

　　从上面列表我们可以看到这个Index  V2是支持中文的识别，如果公司里已经存在了大量演讲或者课程视频但是又没有配上字幕的话，Media Services的Index V2功能，能够很好的帮上忙。
　　下面我们试试用Java的代码来调用Media Services的这个功能：
　　引用Media Service的相关SDK,我们需要在pom.xml增加几个dependency



<dependency>
<groupId>com.microsoft.azure</groupId>
<artifactId>azure</artifactId>
<version>1.0.0-beta2</version>
</dependency>
<dependency>
<groupId>com.microsoft.azure</groupId>
<artifactId>azure-media</artifactId>
<version>0.9.4</version>
</dependency>
　　首先我们准备好访问Media Service的基本资料，譬如账号和登录的Key



// Media Services account credentials configuration
private static String mediaServiceUri = "https://media.windows.net/API/";
private static String oAuthUri = "https://wamsprodglobal001acs.accesscontrol.windows.net/v2/OAuth2-13";
private static String clientId = "wingsample";
private static String clientSecret = "p8BDkk+kLYZzpnvP0B5KFy98uLTv7ALGuSX7F9LmHtk=";
private static String scope = "urn:WindowsAzureMediaServices";
　　然后就是创建一个访问Media Service的Context



public static MediaContract getMediaService(){
Configuration configuration = MediaConfiguration.configureWithOAuthAuthentication(
mediaServiceUri, oAuthUri, clientId, clientSecret, scope);
MediaContract  mediaService = MediaService.create(configuration);
return mediaService;
}
　　为了能够调用一个processor来执行index，我们需要一个获取处理起的方法：



public static MediaProcessorInfo getLatestProcessorByName(MediaContract mediaService,String processname){
ListResult<MediaProcessorInfo> mediaProcessors;
try {
mediaProcessors = mediaService
.list(MediaProcessor.list().set("$filter", String.format("Name eq '%s'", processname)));
// Use the latest version of the Media Processor
MediaProcessorInfo mediaProcessor = null;
for (MediaProcessorInfo info : mediaProcessors) {
if (null == mediaProcessor || info.getVersion().compareTo(mediaProcessor.getVersion()) > 0) {
mediaProcessor = info;
return mediaProcessor;
}
}
} catch (ServiceException e) {
// TODO Auto-generated catch block
            ;e.printStackTrace();
}
return null;
}
　　当然我们好需要根据Asset的Id来获取到某个具体的Asset来进行处理



public static AssetInfo getAssetById(MediaContract mediaService,String assetName) throws ServiceException
{
AssetInfo    resultAsset = mediaService.get(Asset.get(assetName));
return resultAsset;
}
　　有了AssetInfo,processor,和mediaserivce的Context，我们就可以执行Index V2



public static String index2(MediaContract mediaService,AssetInfo assetInfo)
{
try
{
logger.info("start index2: " + assetInfo.getName());
String config = "{"+
"\"version\":\"1.0\","+
"\"Features\":"+
"["+
"{"+
"\"Options\": {"+
"    \"Formats\":[\"WebVtt\",\"ttml\"],"+
"\"Language\":\"enUs\","+
"\"Type\":\"RecoOptions\""+
"},"+
"\"Type\":\"SpReco\""+
"}]"+
"}";
String taskXml = "<taskBody><inputAsset>JobInputAsset(0)</inputAsset>"
+ "<outputAsset assetCreationOptions=\"0\"" // AssetCreationOptions.None
+ " assetName=\"" + assetInfo.getName()+"index 2" + "\">JobOutputAsset(0)</outputAsset></taskBody>";
System.out.println("config: " + config);
MediaProcessorInfo indexerMP =
getLatestProcessorByName(mediaService,"Azure Media Indexer 2 Preview");
// Create a task with the Indexer Media Processor
Task.CreateBatchOperation task =
Task.create(indexerMP.getId(), taskXml)
.setConfiguration(config)
.setName(assetInfo.getName() + "_Indexing");
Job.Creator jobCreator = Job.create()
.setName(assetInfo.getName() + "_Indexing")
.addInputMediaAsset(assetInfo.getId())
.setPriority(2)
.addTaskCreator(task);
final JobInfo jobInfo;
final String jobId;
synchronized (mediaService)
{
jobInfo = mediaService.create(jobCreator);
jobId = jobInfo.getId();
}
//     checkJobStatus(jobId, assetInfo.getName());
return jobId;//downloadAssetFilesFromJob(jobInfo);
            }
catch (Exception e)
{
logger.error("Exception occured while running indexing job: "
+ e.getMessage());
}
return "";
}
　　这些方法都写好了，我们就可以直接在Main函数里面执行它了



public static void main( String[] args )
{
try {
MediaContract mediaService=getMediaService();
AssetInfo asset;
asset = getAssetById(mediaService,"nb:cid:UUID:13144339-d09b-4e6f-a86b-3113a64dbabe");
String result=index2(mediaService,asset);
System.out.println( "Job:"+result );
} catch (ServiceException e) {
// TODO Auto-generated catch block
        e.printStackTrace();
}
}
　　从Index2这个函数里面我们有两个东西是很重要的。一个是json格式preset结构,我们如果需要更改识别语言，生成的格式的话，只需要对这个Json文件进行更改就好了。



{
"version":"1.0",
"Features":
[
{
"Options": {
"Formats":["WebVtt","ttml"],
"Language":"enUs",
"Type":"RecoOptions"
},
"Type":"SpReco"
}]
}
　　一个是Task的描述XML，这个XML是用来描述这个任务是处理那个Asset，处理完放到那个Asset里面。基本上跟Media Service相关的各种编码，识别都需要这个task的xml配合对应的preset文件来处理的。



<?xml version="1.0" encoding="utf-16"?>
<taskBody>
<inputAsset>JobInputAsset(0)</inputAsset>
<outputAsset assetCreationOptions="0" assetName="ep48_mid.mp4index 2">JobOutputAsset(0)</outputAsset>
</taskBody>
　　Media Service的识别分析服务非常强大，它还包含了移动侦测、人脸识别、表情识别等等。
　　https://azure.microsoft.com/zh-cn/documentation/articles/media-services-analytics-overview/