OpenAI 文字转录
Spring AI支持OpenAI的转录模型。
先决条件
您需要在OpenAI上创建一个API密钥以访问ChatGPT模型。在OpenAI注册页面上创建一个帐户,并在API密钥页面上生成令牌。Spring AI项目定义了一个名为spring.ai.openai.api-key
的配置属性,您应将其设置为从openai.com获取的API密钥
的值。导出环境变量是设置该配置属性的一种方法:
自动配置
Spring AI为OpenAI图像生成客户端提供了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
文件中:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
或添加到您的Gradle build.gradle
构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-openai-spring-boot-starter'
}
请参阅依赖管理部分,将Spring AI BOM添加到您的构建文件中。 |
转录属性
前缀spring.ai.openai.audio.transcription
用作属性前缀,允许您配置OpenAI图像客户端的重试机制。
属性 | 描述 | 默认 |
---|---|---|
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,有以下选项之一:json、text、srt、verbose_json或vtt。 |
json |
spring.ai.openai.audio.transcription.options.prompt |
用于指导模型风格或继续先前音频片段的可选文本。提示文本应与音频语言匹配。 |
|
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和1之间。较高的值(例如0.8)将使输出更随机,而较低的值(例如0.2)将使其更专注和确定性。如果设置为0,则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。这些选项中的一个或两个都受支持:word或segment。注意:为segment时间戳不会增加额外延迟,但生成word时间戳会增加额外延迟。 |
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,会使用spring.ai.openai.audio.transcription
指定的选项,但您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 = openAiTranscriptionClient.call(transcriptionRequest);
手动配置
将spring-ai-openai
依赖添加到您项目的Mavenpom.xml
文件中:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai</artifactId>
</dependency>
或者添加到Gradlebuild.gradle
构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-openai'
}
参考依赖管理部分,将Spring AI BOM添加到您的构建文件中。 |
接下来,创建一个OpenAiAudioTranscriptionClient
var openAiAudioApi = new OpenAiAudioApi(System.getenv("OPENAI_API_KEY"));
var openAiAudioTranscriptionClient = new OpenAiAudioTranscriptionClient(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 = openAiTranscriptionClient.call(transcriptionRequest);
示例代码
-
该OpenAiTranscriptionClientIT.java测试提供了一些通用示例,展示如何使用该库。