Spring AI 支持 Azure Whisper 模型。
前提条件
从 Azure 门户的 Azure OpenAI 服务部分获取你的 Azure OpenAI 终端节点和 API 密钥。Spring AI 定义了一个名为 spring.ai.azure.openai.api-key 的配置属性，你需要将其设置为从 Azure 获取的 API 密钥值。还有一个名为 spring.ai.azure.openai.endpoint 的配置属性，你需要将其设置为在 Azure 中配置模型时获取的终端节点 URL。导出环境变量是设置该配置属性的一种方式：
自动配置
Spring AI 自动配置、启动器模块的工件名称发生了重大变化。有关详细信息，请参阅升级说明。
Spring AI 为 Azure OpenAI 语音转文字生成客户端提供了 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-starter-model-azure-openai</artifactId> </dependency>
或添加到你的 Gradle build.gradle 构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-azure-openai'
}请参阅依赖管理章节，将 Spring AI BOM 添加到你的构建文件中。
语音转文字属性
音频语音转文字自动配置的启用和禁用现在通过以 spring.ai.model.audio.transcription 为前缀的顶级属性进行配置。
启用：spring.ai.model.audio.transcription=azure-openai（默认启用）
禁用：spring.ai.model.audio.transcription=none（或任何与 azure-openai 不匹配的值）
进行此更改是为了支持多模型配置。
spring.ai.openai.audio.transcription 前缀用作属性前缀，可让你配置 OpenAI 图像模型的重试机制。
| 属性 | 描述 | 默认值 |
|---|---|---|
| spring.ai.azure.openai.audio.transcription.enabled（已移除，不再生效） | 启用 Azure OpenAI 语音转文字模型 | true |
| spring.ai.model.audio.transcription | 启用 Azure OpenAI 语音转文字模型 | azure-openai |
| spring.ai.azure.openai.audio.transcription.options.model | 要使用的模型 ID，目前仅支持 whisper | whisper |
| spring.ai.azure.openai.audio.transcription.options.deployment-name | 模型部署的名称 | |
| spring.ai.azure.openai.audio.transcription.options.response-format | 语音转文字输出格式，可选值：json、text、srt、verbose_json、vtt | json |
| spring.ai.azure.openai.audio.transcription.options.prompt | 可选文本，用于引导模型风格或延续上一段音频，提示词需与音频语言匹配 | |
| spring.ai.azure.openai.audio.transcription.options.language | 输入音频的语言，使用 ISO-639-1 格式可提升准确率和响应速度 | |
| spring.ai.azure.openai.audio.transcription.options.temperature | 采样温度，取值 0-1。数值越高（如 0.8）输出越随机，数值越低（如 0.2）输出越聚焦确定。设为 0 时，模型会通过对数概率自动提升温度直至达到阈值 | 0 |
| spring.ai.azure.openai.audio.transcription.options.timestamp-granularities | 语音转文字的时间戳粒度，需将 response-format 设置为 verbose_json 才可使用。支持 word（字词）、segment（段落）其中一个或两个。注意：段落时间戳无额外延迟，生成字词时间戳会产生额外延迟 | segment |
运行时选项
AzureOpenAiAudioTranscriptionOptions 类提供了进行语音转文字时可使用的选项。启动时会使用由 spring.ai.azure.openai.audio.transcription 指定的选项，但你可以在运行时覆盖这些配置。
示例：
AzureOpenAiAudioTranscriptionOptions.TranscriptResponseFormat responseFormat = AzureOpenAiAudioTranscriptionOptions.TranscriptResponseFormat.VTT;
AzureOpenAiAudioTranscriptionOptions transcriptionOptions = AzureOpenAiAudioTranscriptionOptions.builder()
.language("en")
.prompt("Ask not this, but ask that")
.temperature(0f)
.responseFormat(this.responseFormat)
.build();
AudioTranscriptionPrompt transcriptionRequest = new AudioTranscriptionPrompt(audioFile, this.transcriptionOptions);
AudioTranscriptionResponse response = azureOpenAiTranscriptionModel.call(this.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-azure-openai</artifactId> </dependency>
或添加到你的 Gradle build.gradle 构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-azure-openai'
}请参阅依赖管理章节，将 Spring AI BOM 添加到你的构建文件中。
接下来，创建 AzureOpenAiAudioTranscriptionModel 实例：
var openAIClient = new OpenAIClientBuilder()
.credential(new AzureKeyCredential(System.getenv("AZURE_OPENAI_API_KEY")))
.endpoint(System.getenv("AZURE_OPENAI_ENDPOINT"))
.buildClient();
var azureOpenAiAudioTranscriptionModel = new AzureOpenAiAudioTranscriptionModel(this.openAIClient, null);
var transcriptionOptions = AzureOpenAiAudioTranscriptionOptions.builder()
.responseFormat(TranscriptResponseFormat.TEXT)
.temperature(0f)
.build();
var audioFile = new FileSystemResource("/path/to/your/resource/speech/jfk.flac");
AudioTranscriptionPrompt transcriptionRequest = new AudioTranscriptionPrompt(this.audioFile, this.transcriptionOptions);
AudioTranscriptionResponse response = this.azureOpenAiAudioTranscriptionModel.call(this.transcriptionRequest); 