OpenAI 转录

Spring AI 支持 OpenAI 的转录模型。spring-doc.cadn.net.cn

前提条件

你需要用OpenAI创建一个API密钥来访问ChatGPT模型。 在OpenAI注册页面创建账户，并在API密钥页面生成Tokens。 Spring AI 项目定义了一个配置属性，名为spring.ai.openai.api-key（春.ai.openai.api-key）你应该设置为API 密钥资料来源 openai.com。 导出环境变量是设置该配置属性的一种方式：spring-doc.cadn.net.cn

自动配置

春季AI自动配置、起始模块的工件名称发生了重大变化。 更多信息请参阅升级说明。spring-doc.cadn.net.cn

Spring AI 为 OpenAI 转录客户端提供 Spring Boot 自动配置。 要启用它，请在项目的Maven中添加以下依赖pom.xml文件：spring-doc.cadn.net.cn

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

或者去你的Gradlebuild.gradle构建文件。spring-doc.cadn.net.cn

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-openai'
}
请参考依赖管理部分，将Spring AI的物料清单添加到你的构建文件中。

转录性质

连接性质

前缀春.ai.openai作为属性前缀，允许你连接到OpenAI。spring-doc.cadn.net.cn

属性spring-doc.cadn.net.cn

描述spring-doc.cadn.net.cn

默认值spring-doc.cadn.net.cn

Spring.ai.openai.base-urlspring-doc.cadn.net.cn

连接的URL（链接）spring-doc.cadn.net.cn

api.openai.comspring-doc.cadn.net.cn

spring.ai.openai.api-key（春.ai.openai.api-key）spring-doc.cadn.net.cn

API 密钥spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.organization-idspring-doc.cadn.net.cn

你可以选择指定用于 API 请求的组织。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.project-idspring-doc.cadn.net.cn

可选地，你可以指定用于 API 请求的项目。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn
对于属于多个组织的用户（或通过其遗留用户 API 密钥访问项目），你可以选择指定用于 API 请求的组织和项目。 这些 API 请求的使用将计入指定组织和项目的使用。

配置属性

现在，启用和禁用音频转录自动配置通过顶层属性配置，并以spring.ai.model.audio.transcription.spring-doc.cadn.net.cn

启用时，spring.ai.model.audio.transcription=openai（默认启用）spring-doc.cadn.net.cn

要禁用，可以选择 spring.ai.model.audio.transcription=none（或任何与 openai 不匹配的值）spring-doc.cadn.net.cn

此改动旨在允许配置多个模型。spring-doc.cadn.net.cn

前缀spring.ai.openai.audio.transcription作为属性前缀，用于配置OpenAI转录模型的重试机制。spring-doc.cadn.net.cn

属性 描述 默认值

spring.ai.model.audio.transcriptionspring-doc.cadn.net.cn

启用OpenAI音频转录模型spring-doc.cadn.net.cn

OpenAIspring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.base-URLspring-doc.cadn.net.cn

连接的URL（链接）spring-doc.cadn.net.cn

api.openai.comspring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.api-keyspring-doc.cadn.net.cn

API 密钥spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.organization-idspring-doc.cadn.net.cn

你可以选择指定用于 API 请求的组织。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.project-idspring-doc.cadn.net.cn

可选地，你可以指定用于 API 请求的项目。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.options.modelspring-doc.cadn.net.cn

用于转录的模型编号。可选型号：GPT-4O-转录（由GPT-4o支持的语音转文字技术），GPT-40-mini-transcribe（由GPT-4o mini支持的语音转文本技术），或者低语-1（通用语音识别模型，默认）。spring-doc.cadn.net.cn

低语-1spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.options.response-formatspring-doc.cadn.net.cn

转录输出格式，以下选项之一：json、文本、srt、verbose_json或vtt。spring-doc.cadn.net.cn

JSONspring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.options.promptspring-doc.cadn.net.cn

可选文本，用于指导模型风格或延续之前的音频片段。提示应与音频语言相匹配。spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.options.languagespring-doc.cadn.net.cn

输入音频的语言。以 ISO-639-1 格式提供输入语言将提升准确性和延迟。spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.options.temperature.temperaturespring-doc.cadn.net.cn

采样温度在0到1之间。像0.8这样的高值会让输出更随机，而像0.2这样的低值则会让输出更聚焦和确定性强。如果设置为0，模型会利用对数概率自动升高温度，直到达到某些阈值。spring-doc.cadn.net.cn

0spring-doc.cadn.net.cn

spring.ai.openai.audio.transcription.options.timestamp_granularitiesspring-doc.cadn.net.cn

本次转录的时间戳细粒度。response_format必须设置为verbose_json使用时间戳的粒度。支持以下选项之一或两种：单词或片段。注意：段时间戳不会有额外延迟，但生成字时间戳会产生额外的延迟。spring-doc.cadn.net.cn

段spring-doc.cadn.net.cn
你可以覆盖公共信息Spring.ai.openai.base-url,spring.ai.openai.api-key（春.ai.openai.api-key）,spring.ai.openai.organization-id和spring.ai.openai.project-id性能。 这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如果设置了属性，属性优先于常见属性。 如果你想为不同模型和不同模型端点使用不同的OpenAI账户，这非常有用。
所有以spring.ai.openai.transcription.options可以在运行时被覆盖。

运行时选项

这OpenAi音频转录选项课程提供了转录时可用的选项。 启动时，指定选项如下spring.ai.openai.audio.transcription但你可以在运行时覆盖这些设置。spring-doc.cadn.net.cn

例如：spring-doc.cadn.net.cn

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

添加春艾开胃对你项目Maven的依赖pom.xml文件：spring-doc.cadn.net.cn

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

或者去你的Gradlebuild.gradle构建文件。spring-doc.cadn.net.cn

dependencies {
    implementation 'org.springframework.ai:spring-ai-openai'
}
请参考依赖管理部分，将Spring AI的物料清单添加到你的构建文件中。

接下来，创建一个OpenAiAudioTranscriptionModelspring-doc.cadn.net.cn

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