当前位置：首页 > news >正文

如何使用OPENAI的Whisper功能进行音频字母提取功能

news 2025/8/21 23:18:23

首先你可以使用 Python 中的 requests 库来下载该音频文件，然后通过 open() 打开该文件并传递给 OpenAI Whisper API。

完整代码如下：

安装需要的库：

pip install openai requests

Python 代码：

OPENAI_API_KEY= "your openai_api_key"client = OpenAI(api_key=OPENAI_API_KEY)response = requests.get(output_url)result = []with tempfile.NamedTemporaryFile(delete=False, suffix=".wav", dir=".") as temp_audio_file:temp_audio_file.write(response.content)temp_audio_file_path = temp_audio_file.nameprint(f"Audio file saved to temporary file: {temp_audio_file_path}")# 打开音频文件并进行转录with open(temp_audio_file_path, "rb") as audio_file:transcription = client.audio.transcriptions.create(file=audio_file,model="whisper-1",response_format="verbose_json",timestamp_granularities=["word"])for word_info in transcription.words:word = word_info.wordtask_start_time = word_info.starttask_end_time = word_info.endword_task = {"word": word,"start_time": task_start_time,"end_time": task_end_time}result.append(word_task)logger.info(f"打印结果：{result}")

1. 客户端初始化

client = OpenAI(api_key=OPENAI_API_KEY)

client 是一个与 OpenAI API 交互的客户端实例。api_key 是你用来认证的密钥，这里应该替换为你的 OpenAI API 密钥。
OpenAI 是 OpenAI 提供的 Python 客户端，可以用来访问 GPT-3、Whisper、DALL-E 等服务。

2. 下载音频文件

response = requests.get(output_url)

通过 requests.get(output_url) 发送 HTTP GET 请求，下载指定 URL（output_url）的内容（应该是一个音频文件）。
response.content 获取的是该音频文件的二进制内容。

3. 保存为临时音频文件

with tempfile.NamedTemporaryFile(delete=False, suffix=".wav", dir=".") as temp_audio_file:     temp_audio_file.write(response.content) temp_audio_file_path = temp_audio_file.name print(f"Audio file saved to temporary file: {temp_audio_file_path}")

tempfile.NamedTemporaryFile 用于创建一个临时文件，并指定它的后缀为 .wav，表示这个临时文件将是一个 WAV 格式的音频文件。
delete=False 表示临时文件在关闭时不会自动删除（稍后手动删除）。
temp_audio_file.write(response.content) 将从 response 中下载的音频数据写入临时文件。
temp_audio_file.name 获取临时文件的路径，并将其存储到 temp_audio_file_path 变量中。
print 输出临时文件的路径，方便调试。

4. 使用 OpenAI Whisper 进行转录

with open(temp_audio_file_path, "rb") as audio_file:transcription = client.audio.transcriptions.create( file=audio_file, model="whisper-1", response_format="verbose_json", timestamp_granularities=["word"] )

这部分代码打开刚刚创建的临时音频文件。
client.audio.transcriptions.create 调用 Whisper 模型进行音频转录：
- file=audio_file：传递打开的音频文件。
- model="whisper-1"：使用 Whisper 模型进行音频转录。
- response_format="verbose_json"：指定返回的结果为详细的 JSON 格式。
- timestamp_granularities=["word"]：指定返回每个单词的时间戳（开始时间和结束时间）。

5. 处理转录结果

for word_info in transcription.words: word = word_info.word task_start_time = word_info.start task_end_time = word_info.end word_task = { "word": word, "start_time": task_start_time, "end_time": task_end_time }         result.append(word_task)

transcription.words 是一个包含每个单词信息的列表。每个 word_info 包含：
- word：转录出的单词。
- start：该单词的开始时间（单位通常是秒）。
- end：该单词的结束时间。
word_task 是一个字典，用来存储每个单词的信息：包括单词、开始时间和结束时间。
result.append(word_task) 将每个单词的信息添加到 result 列表中。