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