動画・音声・画像を一つの動画に結合
🤖/video/merge は、既存の一つ以上の静止画像または動画に音声トラックを追加して、新しい動画を作成します。

動画を順につなぎ合わせる場合、transition の有無にかかわらず、すべての入力の幅と高さが同じである必要があります。クリップの結合には 🤖/video/concat を使用してください。必要に応じて、入力を事前にトランスコードし、仕様をそろえます。
preset と ffmpeg の両方を省略すると、この Robot はレガシーの "flash" プリセットを使用し、FLV を出力します。"mp4" などの別の形式を選択するには、出力プリセットを選択するか、ffmpeg.f を明示的に設定してください。
使用例
アップロードされた画像と音声を一つの動画に結合します:
{
"steps": {
"merged": {
"duration": 12,
"ffmpeg": {
"f": "mp4"
},
"framerate": "1/4",
"height": 720,
"preset": "empty",
"resize_strategy": "pad",
"robot": "/video/merge",
"use": [
{
"as": "image",
"name": ":original"
},
{
"as": "audio",
"name": ":original"
}
],
"width": 1280
}
}
}パラメーター
interpolateboolean | Record<string, boolean>処理設定の各フィールドで Assembly Variables を展開するかどうかを制御します。
デフォルトでは、Robot の処理設定のほとんどのフィールドで Assembly Variables が展開されます。すべての設定フィールドをリテラルテキストとして扱うには、このパラメーターを
falseに設定してください。特定のフィールドだけをリテラルテキストとして扱うには、そのフィールドのパスをfalseに設定してください。デフォルトでリテラルとして扱われる Robot 固有のフィールドで展開を有効にするには、このパラメーターをtrueに設定するか、そのフィールドのパスをtrueに設定してください。pathのようなフィールド名を使用してください。ネストされたオブジェクトには、ffmpeg.vfのようなドット区切りのパスを使用してください。output_metaRecord<string, boolean> | boolean | Array<string>算出に多くの CPU リソースを要するメタデータを指定できます。Assembly の処理速度を維持するため、これらはデフォルトで無効になっています。
画像の場合、このオブジェクトに
"has_transparency": trueを追加すると、画像に透明な部分が含まれるかどうかを抽出できます。"dominant_colors": trueを追加すると、画像から 16 進数のカラーコードの配列を抽出できます。画像の場合、
"blurhash": trueを追加すると、画像のプレースホルダーをコンパクトに表す BlurHash 文字列も抽出できます。画像全体の読み込み中に、ぼかしたプレビューを表示するのに役立ちます。画像の場合、代わりに
"thumbhash": trueを使用すると、base64 エンコードされた ThumbHash をmeta.thumbhashに抽出し、meta.has_alpha(完全に不透明な場合も含め、アルファチャンネルが存在するかどうか)も抽出します。ThumbHash は EXIF の向きを反映したピクセルを表し、アニメーション画像では最初のフレームを使用します。抽出はベストエフォートです。40 メガピクセルを超える画像、非対応の形式、デコードの失敗やデコード処理の上限への到達があった場合、プレースホルダーは生成されません。抽出に成功すると、そのファイルのバイト数の 20% に相当するメタデータ料金が加算されます。無効な場合やハッシュが生成されない場合、ThumbHash の追加料金は発生しません。このオプションは画像を生成する Step に設定してください。たとえば、アップロードされた元画像では
/upload/handle、処理済みの出力では/image/resizeに設定します。/transloadit/storeにのみ設定しても、抽出は要求されません。ストレージは生成元のメタデータを保持します。Transloadit Storage は生成されたハッシュをその不変のバージョンとともに永続化し、保存済みの結果やネイティブのアセット読み取り時に返します。S3 への直接アップロードではプレースホルダーは生成されません。プレースホルダーには画像情報が含まれるため、画像全体と同じアクセス制御で保護してください。動画の場合、
"colorspace": trueパラメーターを追加すると、出力動画の色空間を抽出できます。動画の場合、
"interlaced": trueを追加すると、インターレース動画かどうかも検出できます。これは、低コストの ffprobe のfield_orderフラグと、ソースの先頭フレームに対する処理範囲を制限したidetサンプリング処理を組み合わせ、file.metaの下にinterlaced、field_order、診断用のinterlace_detectionオブジェクトを出力します。この処理は計算コストが高く、それに応じて課金されます。音声の場合、
"mean_volume": trueを追加すると、音声ファイルの平均音量を表す単一の値を取得できます。また、
falseに設定すると、メタデータの抽出をスキップしてトランスコードを高速化できます。user_metaRecord<string, any>(デフォルト:{})出力される各ファイルに、ファイルの内容を変更せずにカスタム JSON メタデータを追加します。ネストしたオブジェクトと配列に対応しています。
継承の動作は Robot によって異なります。値は出力ファイルの既存の
user_metaとマージされ、一致するトップレベルのキーは現在の Step によって置き換えられます。Robot が新しい出力を作成する場合は、必要なキーを明示的に割り当ててください。処理 Step では、
${file.*}は最初の入力を、${result.*}は出力されるファイルを参照します。値は Robot の実行後、後続のメタデータ抽出と一時保存の前に、出力ごとに評価されます。:originalでは、メタデータ抽出の前にアップロードごとに値が評価されます。後続の Step は
${file.user_meta.key}を読み取ります。完全な例と継承ルールについては、カスタムメタデータ を参照してください。resultboolean(デフォルト:false)この Step の結果を Assembly Status JSON に含めるかどうか
queuebatchqueue を 'batch' に設定すると、このステップのジョブの優先度を手動で下げ、キューの待ち時間がゼロである必要のないジョブが優先ジョブスロットを消費しないようにします。
force_acceptboolean(デフォルト:false)通常は無視するファイルタイプを Robot に強制的に受け入れさせます。
デフォルトでは、Robot は認識できないファイルを無視します。たとえば、🤖/video/encodeは入力画像を無視します。
force_acceptパラメーターをtrueに設定すると、Robot に渡されたすべてのファイルを強制的に受け入れさせることができます。通常、この設定はエラーにつながるため、デバッグやエッジケースへの対処にのみ使用してください。ignore_errorsboolean | Array<meta | execute>(デフォルト:[])処理の特定のフェーズでエラーを無視します。
このパラメーターを
["meta"]に設定すると、Robot はメタデータ抽出中のエラーを無視します。このパラメーターを
["execute"]に設定すると、Robot はメイン実行フェーズ中のエラーを無視します。このパラメーターを
trueに設定すると、["meta", "execute"]と同じ動作になり、両方のフェーズでエラーを無視します。usestring | Array<string> | Array<object> | object入力として使用する Step を指定します。
- Step には任意の名前を付けられます。ただし、
":original"は Transloadit が処理するユーザーアップロード用に予約されています。 - 配列を使用して、複数の Step を入力として指定できます。
{ "use": [ ":original", "encoded", "resized" ] } - 入力 Step に
asでタグを付けて、意味上の用途を Robot に伝えることもできます。{ "use": [ { "name": ":original", "as": "image" }, { "name": ":original", "as": "mask" } ] }
ヒントuseについては、通常ここまでの内容で十分ですが、高度な使用例 も参照できます。- Step には任意の名前を付けられます。ただし、
ffmpegobjectFFmpeg に渡すパラメーターオブジェクトです。プリセットを使用する場合、ここで指定したオプションがプリセットのオプションに上書きマージされます。利用可能なオプションは、FFmpeg ドキュメントを参照してください。ここで指定したオプションは、プリセットのオプションよりも優先されます。
ffmpeg_stackv6 | v7 | v8 | string(デフォルト:"v6.0.0")エンコードに使用する FFmpeg スタックのバージョンを選択します。現在は「v7」の使用を推奨しています。「v6.0.0」、「v7.0.0」、「v8.0.0」という正確なバージョン指定は、後方互換性のために引き続き受け付けられるレガシー値です。非推奨の「v5.x」の値も受け付けられます。
widthstring | number | null新しい動画の幅(ピクセル単位)です。
値が指定されておらず、
presetパラメーターが利用できる場合は、presetで指定されている幅 が適用されます。heightstring | number | null新しい動画の高さ(ピクセル単位)です。
値が指定されておらず、
presetパラメーターが利用できる場合は、presetで指定されている高さ が適用されます。presetandroid | android-high | android-low | android_high | android_low | dash-1080p-video | dash-1080p_video |事前設定済みの設定 に従って動画を変換します。
Robot を使用して独自の FFmpeg パラメーターを指定する場合や、Transloadit にエンコード設定を一切行わせたくない場合は、ここで
'empty'を使用できます。resize_strategycrop | fit | fillcrop | min_fit | pad | stretch(デフォルト:"pad")指定した幅と高さのパラメーターが入力画像の寸法より大きい場合、
resize_strategyによって、指定した幅と高さに合わせて画像をリサイズする方法が決まります。利用可能なリサイズ方法を参照してください。backgroundstring(デフォルト:"#00000000")"pad"のリサイズ方式を使用する場合の、出力動画の背景色です。"rrggbbaa"形式(赤、緑、青、アルファ)で指定します。デフォルトの色は黒です。frameratestring | number | string画像シーケンスを結合する場合の入力フレームレートです。デフォルトは
1/5で、各画像を 5 秒間表示します。5を指定すると、毎秒五枚の画像を表示します。シーケンスでは、image_durationsが指定されている場合、その値が優先されます。静止画像が一枚の場合は、動画のフレームレートを設定します。省略すると、プリセットまたは
ffmpeg.rによって出力フレームレートが決まります(デフォルトは 25 fps )。画像が一枚の場合、明示的に指定したffmpeg.rがframerateより優先されます。このパラメーターは、音声と動画の結合や動画同士の連結には影響しません。
image_durationsArray<string | number>(デフォルト:[])画像を結合して動画を生成する場合に、各画像を動画内で表示する時間を秒単位で指定できます。たとえば、3 枚の画像を渡して
[2.4, 5.6, 9]を指定すると、最初の画像は 2.4 s、二番目の画像は 5.6 s、最後の画像は 9 s の間表示されます。durationパラメーターは、image_durations の合計に自動的に設定されます。この例では17です。ただし、この値は上書きできます。その場合、指定した再生時間に達するまで最後の画像が表示されます。durationstring | number | null(デフォルト:null)画像を結合して動画を生成する場合、または音声と動画を結合する場合に、目標の再生時間を秒単位で指定します。浮動小数点値は小数点以下一桁まで指定できます。すべての画像をそれぞれ一度だけ表示するには、次の式に従って再生時間を設定できます:
duration = numberOfImages / framerate。これは1/5のような逆数のフレームレート値でも機能します。この値を
null(デフォルト)に設定すると、画像と音声ファイルを結合する際に、入力音声ファイルの再生時間が使用されます。音声ファイルと動画ファイルを結合する場合、デフォルトでは最も長い動画ファイルまたは音声ファイルの再生時間が使用されます。
audio_delaystring | number(デフォルト:0)動画と音声ファイルを結合する場合、または画像と音声ファイルを結合して動画を生成する場合に、音声ファイルの再生開始までの遅延を秒単位で指定します。たとえば、音声のない動画ファイルと音声ファイルを結合し、音声をすぐにではなく 5 秒後に再生し始めたい場合に、このパラメーターを使用します。
loopboolean(デフォルト:false)短い方のメディアファイルをループ再生して、長い方の再生時間に合わせるかどうかを指定します。たとえば、1 分の動画と 3 分の音声ファイルを結合し、このオプションを有効にすると、動画は音声の長さに合わせて三回連続で再生されます。
replace_audioboolean(デフォルト:false)動画の音声を、指定した音声ファイルで置き換えるかどうかを指定します。
vstackboolean(デフォルト:false)入力メディアを縦に並べます。すべてのストリームのピクセル形式と幅が一致している必要があります。この条件を満たすため、このパラメーターを使用する前に /video/encode を使用する Step を実行することを検討してください。
image_urlstring音声または動画と結合する画像の URL です。このパラメーターを指定すると、Robot はその URL から画像をダウンロードし、ほかのメディアと結合します。
sort_byauto | basename | import_order(デフォルト:"basename")入力タイプに対して番号付きエイリアスを明示的に使用しない場合に、まとめられた入力の並び順を制御します。番号付きエイリアスは、
_1のように数値の接尾辞で終わります。デフォルトの
"basename"は、ベース名を自然順でソートする従来の動作を維持します。すべての入力ファイルに完全なインポート順序のメタデータが含まれる場合、
"import_order"に設定すると、配列ベースのインポートステップの順序を維持できます。"auto"も同様にインポート順序を優先し、フォールバックとしてベース名の自然順ソートを使用します。transitionnone | crossfade | fade_to_black(デフォルト:"none")連結する動画クリップ間に適用するトランジション効果の種類です。複数の動画を連結する場合(
video_1、video_2など、またはpre_roll/post_rollの入力を使用する場合)にのみ適用されます。"none"— トランジション効果なし。動画を端から端へつなぎます。"crossfade"— 映像と音声の両方を、あるクリップから次のクリップへ徐々にブレンドします。"fade_to_black"— 現在のクリップが黒へフェードアウトした後、次のクリップが黒からフェードインします。
"crossfade"と"fade_to_black"は、どちらも隣接するクリップを重ね合わせ、各結合箇所で適用されたtransition_durationの分だけ出力を短くします。適用時間の上限は、各ペアの短い方のクリップの長さの半分です。transitionが"none"の場合でも、連結するすべての動画の幅と高さが一致している必要があります。サイズの異なるクリップを結合するには、🤖/video/concat を使用してください。transition_durationstring | number(デフォルト:1)トランジション効果の時間(秒)です。
transitionが"none"ではない場合にのみ適用されます。浮動小数点数値に対応しており(例:500 ms のトランジションには0.5)、トランジションが有効な場合は0より大きい値にする必要があります。トランジション同士の重複を防ぐため、適用時間は各トランジションペアの短い方のクリップの長さの半分に自動的に制限されます。"crossfade"の場合、両方のクリップが表示される重複時間を指定します。"fade_to_black"の場合、映像はトランジションの最初の約 20% でフェードアウトし、残りの 80% でフェードインします(1 秒のトランジションでは、フェードアウトが約 0.2秒、フェードインが約 0.8秒)。どちらの効果でも、音声はトランジション全体を通してクロスフェードします。どちらの効果も、各結合箇所で適用時間の分だけ出力を短くします。
デモ
- Service to take scrolling screenshots of websites using a URL (English)
- Service to convert any video to animated GIF (English)
- Service to automatically detect object edges (English)
- Service to automatically generate a slideshow (English)
- Service to automatically merge audio and video files (English)
- Service to automatically merge audio into video at a specific time (English)
- Merge audio and video files, keeping shortest stream duration (English)
関連ブログ記事
- 動画結合 Robot の紹介:画像と音声から動画を生成
- エンコーディング性能を高める FFmpeg の改良
- 今後の Transloadit のお客様向け新料金モデル
- Transloadit の音声遅延で音声同期を使いこなす
- チュートリアル:/video/merge で動画スライドショーを作成
- No-code real-time video uploading with Bubble & Transloadit (English)
- Let's Build: video from album art with Transloadit (English)
- Automatically generate music previews from Spotify (English)
- Build a Reddit video subtitling bot with Transloadit (English)
- Let's Build: Transloadit で作るミュージックカード生成器
- Transloadit で魅力的な音声ビジュアライゼーションを作成
- 誰が話しているかわかる文字起こし