OpenAI 转录

Spring AI 支持 OpenAI 的转录模型。

先决条件

你需要使用 OpenAI 创建一个 API 密钥来访问 ChatGPT 模型。在 OpenAI 注册页面 创建一个帐户，并在 API 密钥页面 生成令牌。Spring AI 项目定义了一个名为 spring.ai.openai.api-key 的配置属性，你应该将其设置为从 openai.com 获得的 API 密钥 的值。导出环境变量是一种设置该配置属性的方法

自动配置

Spring AI 为 OpenAI 图像生成客户端提供 Spring Boot 自动配置。要启用它，请将以下依赖项添加到项目的 Maven pom.xml 文件

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>

或添加到 Gradle build.gradle 构建文件。

dependencies {
    implementation 'org.springframework.ai:spring-ai-openai-spring-boot-starter'
}
请参阅 依赖项管理 部分，将 Spring AI BOM 添加到构建文件。

转录属性

前缀 spring.ai.openai.audio.transcription 用作属性前缀，可用于配置 OpenAI 图像模型的重试机制。

属性 说明 默认值

spring.ai.openai.audio.transcription.options.model

要使用的模型的 ID。目前仅提供 whisper-1（由我们的开源 Whisper V2 模型提供支持）。

whisper-1

spring.ai.openai.audio.transcription.options.response-format

转录输出的格式，选项之一：json、text、srt、verbose_json 或 vtt。

json

spring.ai.openai.audio.transcription.options.prompt

一个可选文本，用于指导模型的风格或继续之前的音频片段。提示应与音频语言匹配。

spring.ai.openai.audio.transcription.options.language

输入音频的语言。以 ISO-639-1 格式提供输入语言将提高准确性和延迟。

spring.ai.openai.audio.transcription.options.temperature

采样温度，介于 0 到 1 之间。0.8 等较高值会使输出更加随机，而 0.2 等较低值会使输出更加集中和确定。如果设置为 0，模型将使用对数概率自动增加温度，直到达到某些阈值。

0

spring.ai.openai.audio.transcription.options.timestamp_granularities

为此转录填充的时间戳粒度。response_format 必须设置为 verbose_json 才能使用时间戳粒度。支持以下选项中的一个或两个：word 或 segment。注意：segment 时间戳没有额外的延迟，但生成 word 时间戳会产生额外的延迟。

segment

运行时选项

OpenAiAudioTranscriptionOptions 类提供了在进行转录时使用的选项。在启动时，将使用 spring.ai.openai.audio.transcription 指定的选项，但你可以在运行时覆盖这些选项。

例如

OpenAiAudioApi.TranscriptResponseFormat responseFormat = OpenAiAudioApi.TranscriptResponseFormat.VTT;

OpenAiAudioTranscriptionOptions transcriptionOptions = OpenAiAudioTranscriptionOptions.builder()
    .withLanguage("en")
    .withPrompt("Ask not this, but ask that")
    .withTemperature(0f)
    .withResponseFormat(responseFormat)
    .build();
AudioTranscriptionPrompt transcriptionRequest = new AudioTranscriptionPrompt(audioFile, transcriptionOptions);
AudioTranscriptionResponse response = openAiTranscriptionModel.call(transcriptionRequest);

手动配置

将 spring-ai-openai 依赖项添加到项目的 Maven pom.xml 文件中

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai</artifactId>
</dependency>

或添加到 Gradle build.gradle 构建文件。

dependencies {
    implementation 'org.springframework.ai:spring-ai-openai'
}
请参阅 依赖项管理 部分，将 Spring AI BOM 添加到构建文件。

接下来，创建一个 OpenAiAudioTranscriptionModel

var openAiAudioApi = new OpenAiAudioApi(System.getenv("OPENAI_API_KEY"));

var openAiAudioTranscriptionModel = new OpenAiAudioTranscriptionModel(openAiAudioApi);

var transcriptionOptions = OpenAiAudioTranscriptionOptions.builder()
    .withResponseFormat(TranscriptResponseFormat.TEXT)
    .withTemperature(0f)
    .build();

var audioFile = new FileSystemResource("/path/to/your/resource/speech/jfk.flac");

AudioTranscriptionPrompt transcriptionRequest = new AudioTranscriptionPrompt(audioFile, transcriptionOptions);
AudioTranscriptionResponse response = openAiTranscriptionModel.call(transcriptionRequest);

示例代码