Résumez cet article avec :
- Supprimer des fichiers (demande POST) https://api.edenai.run/v3/upload/delete : supprimez les fichiers vidéo dont vous n'avez plus besoin.
- Chaque objet du tableau shots représente un segment de la vidéo entre deux changements de plan, ce qui est idéal pour la détection de scènes, le découpage ou une analyse plus approfondie.
- Sélectionnez Shot Change Detection — À partir de là, sélectionnez l'option Détection des changements de prise de vue ou explorez des fonctionnalités plus avancées en fonction de vos besoins.
- Répertorier les fichiers (demande GET) https://api.edenai.run/v3/upload : liste des fichiers vidéo envoyés, avec leur file_id.
- Pour effectuer des requêtes HTTP à partir de votre code JavaScript, nous utiliserons axios , un client HTTP basé sur des promesses qui fonctionne à la fois dans le navigateur et dans Node.js.
La détection des changements de plan dans le contenu vidéo est une tâche cruciale dans l'analyse vidéo, car elle permet de réaliser des tâches telles que la segmentation de scènes, l'extraction de contenu et le montage vidéo.
Dans ce didacticiel, nous allons expliquer comment utiliser API eDenai pour détecter les changements de prise de vue dans une vidéo à l'aide de JavaScript.
Qu'est-ce que Détection de changement de prise de vue vidéo?

Détection de changement de prise de vue vidéo annote une vidéo avec des segments générés en détectant des changements brusques de plan dans la vidéo.
Ce processus permet de diviser la vidéo en sections distinctes, ce qui facilite son analyse et son montage.
Comment détecter les changements de prise de vue dans les vidéos
Accédez à l'API Eden AI
1. Inscrivez-vous : Visitez Eden AI et créez un compte gratuit pour commencer. Une fois enregistré, accédez à la section API pour trouver votre clé API personnelle. Cette clé vous donne accès à un large éventail de services d'IA, y compris la détection des changements de tir.

2. Accédez à Technologies vidéo — Connectez-vous et rendez-vous dans la section Technologies vidéo.
3. Sélectionnez Shot Change Detection— À partir de là, sélectionnez l'option Détection des changements de prise de vue ou explorez des fonctionnalités plus avancées en fonction de vos besoins.
Modèles de test en direct sur Eden AI
Eden AI fournit une plateforme sur laquelle vous pouvez tester différents modèles d'IA avant de les intégrer, ce qui vous permet d'évaluer et de sélectionner le fournisseur qui correspond le mieux à vos besoins.
Implémentation de la détection des changements de tir en JavaScript
La détection des changements de plan passe désormais par un LLM multimodal qui accepte la vidéo en entrée, appelé via l'endpoint de chat compatible OpenAI d'Eden AI. Elle se fait en deux étapes :
- Envoi de la requête : vous envoyez l'URL de la vidéo, votre consigne et le format JSON attendu pour la réponse.
- Lecture des résultats : les plans arrivent dans la même réponse, en JSON, sans tâche à interroger.
Une vidéo de 10 secondes est traitée en quelques secondes. Pour des vidéos longues, prévoyez un timeout large sur votre client HTTP.
Installer le module de requêtes JavaScript
Pour effectuer des requêtes HTTP à partir de votre code JavaScript, nous utiliserons axios, un client HTTP basé sur des promesses qui fonctionne à la fois dans le navigateur et dans Node.js.
Il est facile à utiliser, hautement personnalisable et simplifie l'envoi de demandes et la gestion des réponses. Pour installer axios, exécutez la commande suivante :
npm install axios
Faire la requête
Nous envoyons une requête POST à l'endpoint de chat d'Eden AI, en lui transmettant l'URL de la vidéo que vous souhaitez analyser.
La requête indique aussi au modèle ce qu'il doit faire et le format JSON à utiliser pour sa réponse.
Exemple de code : requête
const axios = require('axios');
const API_KEY = 'your_api_key_here'; // Replace with your actual EdenAI API key
const url = 'https://api.edenai.run/v3/chat/completions';
// The JSON format expected for the answer: one entry per shot
const schema = {
type: 'object',
properties: {
shots: {
type: 'array',
items: {
type: 'object',
properties: {
start_time: { type: 'number' },
end_time: { type: 'number' },
description: { type: 'string' }
},
required: ['start_time', 'end_time', 'description']
}
}
},
required: ['shots']
};
const json_payload = {
model: 'google/gemini-2.5-flash', // Any model that accepts video input
messages: [{
role: 'user',
content: [
{ type: 'text', text: 'List every shot in this video. A new shot starts at each camera cut. Give start and end times in seconds.' },
{ type: 'image_url', image_url: { url: '🔗 URL of your video' } } // Replace with the actual video URL
]
}],
response_format: { type: 'json_schema', json_schema: { name: 'shots', schema: schema } }
};
axios.post(url, json_payload, {
headers: {
Authorization: `Bearer ${API_KEY}`
}
})
.then(response => {
showShots(response.data); // See the next step
})
.catch(error => {
console.error('Error:', error.response ? error.response.data : error.message);
});
Explication du code :
- API_KEY: il s'agit de votre clé API unique pour vous authentifier auprès de la plateforme Eden AI. Remplacez-la par votre propre clé API.
- url: l'endpoint de chat compatible OpenAI d'Eden AI, https://api.edenai.run/v3/chat/completions.
- json_payload: les paramètres envoyés à Eden AI :
- model : le LLM multimodal à utiliser, au format provider/model. Il doit accepter la vidéo : vérifiez que video figure dans input_modalities sur https://api.edenai.run/v3/models (par exemple google/gemini-2.5-flash ou amazon/amazon.nova-2-lite-v1:0).
- messages : votre consigne dans un bloc text, et l'URL publique de votre vidéo dans un bloc image_url.
- response_format : le schéma JSON que la réponse doit suivre, ici une liste de plans avec leurs temps de début et de fin et une courte description.
- model : le LLM multimodal à utiliser, au format provider/model. Il doit accepter la vidéo : vérifiez que video figure dans input_modalities sur https://api.edenai.run/v3/models (par exemple google/gemini-2.5-flash ou amazon/amazon.nova-2-lite-v1:0).
- Authorization: cet en-tête inclut votre clé API pour l'authentification.
Que se passe-t-il dans la requête ?
- Requête: la requête POST envoie la vidéo et la consigne au modèle.
- Réponse : Eden AI renvoie la réponse du modèle, avec les plans en JSON, et le coût de la requête.
Lire les résultats
Les plans sont dans la même réponse : la fonction showShots appelée à l'étape précédente les lit.
Exemple de code : lecture des résultats
function showShots(result) {
// The shots are in the model's answer, as a JSON string
const { shots } = JSON.parse(result.choices[0].message.content);
shots.forEach((shot, i) => {
console.log(`Shot ${i + 1}: ${shot.start_time}s to ${shot.end_time}s, ${shot.description}`);
});
console.log('Cost:', result.cost, 'USD');
}
Explication du code :
- JSON.parse: convertit la réponse, une chaîne JSON qui suit votre schéma, en objet.
- forEach: affiche chaque plan avec son début, sa fin et sa description.
- result.cost: le coût de la requête, en dollars.
Exemple de sortie
La réponse du modèle, lue dans choices[0].message.content, contient les plans détectés dans la vidéo. Vous pouvez vous attendre à ce qu'elle ressemble à celle-ci :
{
"shots": [
{"start_time": 0.0, "end_time": 1.76, "description": "A red-haired woman sits in a snowy, desolate landscape, looking up with a worried expression as snow falls."},
{"start_time": 1.76, "end_time": 2.13, "description": "An overhead shot shows the red-haired woman running across a snowy field."},
{"start_time": 2.13, "end_time": 3.2, "description": "A close-up of a large, muscular man's arm and torso as he runs towards the camera, his hand extended."},
...
]
}
Explication des champs de sortie
- shots: tableau des plans détectés dans la vidéo.
- start_time: horodatage (en secondes) du début d'un plan.
- end_time: horodatage de fin de ce plan.
- description: courte description du plan.
- start_time: horodatage (en secondes) du début d'un plan.
Chaque objet du tableau shots représente un segment de la vidéo entre deux changements de plan, ce qui est idéal pour la détection de scènes, le découpage ou une analyse plus approfondie.
Ces données peuvent être utilisées pour diviser la vidéo en scènes ou pour mettre en évidence les modifications en vue d'un traitement ultérieur. Les temps sont estimés par le modèle : vérifiez-les sur quelques-unes de vos vidéos avant de vous y fier en production.
Gestion de vos fichiers vidéo
Pour analyser une vidéo stockée sur votre machine, envoyez-la d'abord avec POST https://api.edenai.run/v3/upload, puis utilisez un bloc file avec le file_id renvoyé à la place du bloc image_url. Eden AI propose des endpoints facultatifs pour gérer ces fichiers :
1. Répertorier les fichiers (demande GET)
Demande GET :
https://api.edenai.run/v3/upload
Cela répertorie les fichiers que vous avez envoyés, avec leur file_id et leur date d'expiration.
2. Supprimer des fichiers (demande POST)
Demande POST :
https://api.edenai.run/v3/upload/delete
Envoyez dans le champ file_ids la liste des fichiers dont vous n'avez plus besoin pour les supprimer.
Pourquoi eDenai est le meilleur outil pour détecter les changements de prise de vue
eDenai fournit une API robuste et facile à utiliser qui intègre plusieurs fournisseurs d'IA pour la suppression de l'arrière-plan, la détection des prises de vue et d'autres tâches d'analyse vidéo.
La plateforme unifiée vous permet de choisir le fournisseur le mieux adapté à vos besoins tout en offrant une interface fluide.

Plusieurs fournisseurs
Vous pouvez utiliser différents modèles d'IA (comme Google) en fonction de vos besoins.
Intégration facile
L'API est simple à intégrer à votre application à l'aide de requêtes HTTP standard.
Évolutivité
L'infrastructure d'eDenai prend en charge les demandes de petite et de grande envergure, ce qui la rend adaptée à divers cas d'utilisation.
Des résultats fiables
eDenAI fournit constamment des résultats précis et opportuns, soutenus par une technologie d'IA de pointe.
Conclusion
Dans cet article, nous avons montré comment implémenter la détection des changements de prise de vue à l'aide de l'API eDenai en JavaScript.
Ce processus est hautement évolutif et peut être intégré à des applications Web, à des systèmes de gestion de contenu ou à toute plateforme nécessitant une analyse vidéo.
En tirant parti des API d'eDenai, vous pouvez intégrer rapidement des fonctionnalités avancées d'analyse vidéo, telles que la détection des changements de prise de vue, dans vos applications.
Que vous travailliez sur le montage vidéo, l'analyse de contenu ou la gestion des médias, eDenai propose une solution puissante et accessible pour améliorer votre flux de travail.
.jpeg)

