Spring AI 使用 ​OpenAI 语音转文字

Spring AI 支持 OpenAI 的语音转文字模型。

前提条件

你需要创建一个 OpenAI API 密钥才能访问 ChatGPT 模型。在 OpenAI 注册页面创建账户，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，你需要将其设置为从 openai.com 获取的 API 密钥值。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 OpenAI 语音转文字客户端提供了 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-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-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

连接属性

spring.ai.openai 前缀用作属性前缀，用于配置 OpenAI 连接。

对于属于多个组织的用户（或通过旧版用户 API 密钥访问项目的用户），可以选择性指定 API 请求使用的组织和项目。这些 API 请求的使用量将计入指定的组织和项目。

配置属性

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=openai（默认启用）

禁用：spring.ai.model.audio.transcription=none（或任何与 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 语音转文字模型的重试机制。

你可以覆盖通用的 spring.ai.openai.base-url、spring.ai.openai.api-key、spring.ai.openai.organization-id 和 spring.ai.openai.project-id 属性。如果设置了 spring.ai.openai.audio.transcription.base-url、spring.ai.openai.audio.transcription.api-key、spring.ai.openai.audio.transcription.organization-id 和 spring.ai.openai.audio.transcription.project-id 属性，它们将优先于通用属性生效。如果你希望为不同模型和不同模型端点使用不同的 OpenAI 账户，这一配置会非常实用。

所有以 spring.ai.openai.transcription.options 为前缀的属性都可以在运行时覆盖。

运行时选项

OpenAiAudioTranscriptionOptions 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.openai.audio.transcription 指定的选项，但你可以在运行时覆盖这些配置。

示例：

OpenAiAudioApi.TranscriptResponseFormat responseFormat = OpenAiAudioApi.TranscriptResponseFormat.VTT;

OpenAiAudioTranscriptionOptions transcriptionOptions = OpenAiAudioTranscriptionOptions.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 = openAiTranscriptionModel.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-openai</artifactId>
</dependency>

或添加到你的 Gradle build.gradle 构建文件中。

dependencies {
    implementation 'org.springframework.ai:spring-ai-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 OpenAiAudioTranscriptionModel 实例：

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

var openAiAudioTranscriptionModel = new OpenAiAudioTranscriptionModel(this.openAiAudioApi);

var transcriptionOptions = OpenAiAudioTranscriptionOptions.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 = openAiTranscriptionModel.call(this.transcriptionRequest);

示例代码

OpenAiTranscriptionModelIT.java 测试类提供了一些使用该库的通用示例。