Zencoder API PHP 库使用指南
2024-12-20 21:44:03作者:温玫谨Lighthearted
1. 安装指南
首先,您需要从 GitHub 下载 Zencoder API PHP 库。您可以通过访问 Zencoder API PHP 库 GitHub 仓库 来获取库的副本。
下载后,将库文件 Zencoder.php 放置在您的服务器上,确保您的脚本可以访问该文件。
git clone https://github.com/zencoder/zencoder-php.git
2. 项目使用说明
要开始使用 Zencoder API PHP 库,您需要创建 Services_Zencoder 类的新实例,并传递您的 API 密钥作为第一个参数。
$zencoder = new Services_Zencoder('您的API密钥');
一旦创建了对象,您就可以使用它来与 API 进行交互。以下是一些可以调用的函数的快速概览:
$zencoder->accounts->create($array);
$zencoder->jobs->create($array);
$zencoder->jobs->progress($job_id);
$zencoder->inputs->details($input_id);
$zencoder->outputs->details($output_id);
$zencer->notifications->parseIncoming();
任何错误都将抛出 Services_Zencoder_Exception。您可以在异常上调用 getErrors() 方法,它将返回从 Zencoder API 接收到的任何错误。
3. 项目API使用文档
Zencoder API PHP 库使用 cURL 来发送 JSON 格式的参数到 Zencoder 的编码 API。
创建编码任务
第一步
访问您的 Zencoder 账户中的 API 构建器,并执行一个成功的编码任务。
第二步
复制成功的 JSON 字符串(以第一个花括号 { 开头),并将其作为新 ZencoderJob 对象的参数。在您的服务器上执行此脚本来测试它是否正常工作。
try {
$zencoder = new Services_Zencoder('您的API密钥');
$encoding_job = $zencoder->jobs->create(
array(
"input" => "s3://bucket-name/file-name.avi",
"outputs" => array(
array(
"label" => "web"
)
)
)
);
echo "成功!\n";
echo "任务 ID: " . $encoding_job->id . "\n";
echo "输出 ID: " . $encoding_job->outputs['web']->id . "\n";
} catch (Services_Zencoder_Exception $e) {
echo "失败 :(\n";
foreach ($e->getErrors() as $error) {
echo $error . "\n";
}
}
第三步
修改上述脚本来满足您的需求。
通知处理
ZencoderOutputNotification 类用于捕获和解析当输出文件完成时从 Zencoder 发送到您的应用程序的 JSON 数据。
第一步
创建一个用于接收通知的脚本,并将其上传到服务器上的一个公共可访问位置。
try {
$zencoder = new Services_Zencoder('您的API密钥');
$notification = $zencoder->notifications->parseIncoming();
// 根据通知状态进行处理
} catch (Services_Zencoder_Exception $e) {
echo "失败 :(\n";
foreach ($e->getErrors() as $error) {
echo $error . "\n";
}
}
第二步
在编码任务的参数中,为每个您想要接收到通知的输出添加脚本的 URL。
$encoding_job = $zencoder->jobs->create(
array(
"outputs" => array(
array(
"label" => "web",
"notifications" => array("http://example.com/encoding/notification.php")
)
)
)
);
第三步
修改上述脚本来满足您的需求。
4. 项目安装方式
请参考上述的安装指南来安装 Zencoder API PHP 库。确保您已经将库文件放置在服务器上,并且您的脚本可以访问到它。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2