语音转录 API

Spring AI 通过 TranscriptionModel 接口为语音转文本转录提供了一个统一的API。这使您能够编写可跨不同转录提供商工作的可移植代码。spring-doc.cadn.net.cn

支持的提供商

公共接口

所有转录服务提供商都实现了以下共享接口：spring-doc.cadn.net.cn

转录模型

TranscriptionModel 接口提供了将音频转换为文本的方法：spring-doc.cadn.net.cn

public interface TranscriptionModel extends Model<AudioTranscriptionPrompt, AudioTranscriptionResponse> {

    /**
     * Transcribes the audio from the given prompt.
     */
    AudioTranscriptionResponse call(AudioTranscriptionPrompt transcriptionPrompt);

    /**
     * A convenience method for transcribing an audio resource.
     */
    default String transcribe(Resource resource) {
        AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource);
        return this.call(prompt).getResult().getOutput();
    }

    /**
     * A convenience method for transcribing an audio resource with options.
     */
    default String transcribe(Resource resource, AudioTranscriptionOptions options) {
        AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource, options);
        return this.call(prompt).getResult().getOutput();
    }
}

音频转录提示

AudioTranscriptionPrompt 类封装了输入音频和选项:spring-doc.cadn.net.cn

Resource audioFile = new FileSystemResource("/path/to/audio.mp3");
AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(
    audioFile,
    options
);

音频转录响应

AudioTranscriptionResponse 类包含转录的文本和元数据:spring-doc.cadn.net.cn

AudioTranscriptionResponse response = model.call(prompt);
String transcribedText = response.getResult().getOutput();
AudioTranscriptionResponseMetadata metadata = response.getMetadata();

编写与提供者无关的代码

共享转录接口的主要优势之一是能够编写代码，使其无需修改即可与任何转录服务提供商协同工作。实际使用的提供商（如OpenAI、Azure OpenAI等）由您的Spring Boot配置决定，这意味着您可以更换提供商而无需更改应用程序代码。spring-doc.cadn.net.cn

基础服务示例

共享接口使您能够编写可与任何转录服务提供商配合使用的代码。spring-doc.cadn.net.cn

@Service
public class TranscriptionService {

    private final TranscriptionModel transcriptionModel;

    public TranscriptionService(TranscriptionModel transcriptionModel) {
        this.transcriptionModel = transcriptionModel;
    }

    public String transcribeAudio(Resource audioFile) {
        return transcriptionModel.transcribe(audioFile);
    }

    public String transcribeWithOptions(Resource audioFile, AudioTranscriptionOptions options) {
        AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(audioFile, options);
        AudioTranscriptionResponse response = transcriptionModel.call(prompt);
        return response.getResult().getOutput();
    }
}

此服务无缝集成了OpenAI、Azure OpenAI或任何其他转录服务提供商，具体实现由您的Spring Boot配置决定。spring-doc.cadn.net.cn

提供商特定功能

共享接口提供了可移植性，但每个提供商也通过特定的选项类（例如，OpenAiAudioTranscriptionOptions、AzureOpenAiAudioTranscriptionOptions）提供特殊功能。这些类在实现AudioTranscriptionOptions接口的同时添加了提供商特有的功能。spring-doc.cadn.net.cn

关于特定提供商的详细功能信息，请参阅各个提供商的文档页面。spring-doc.cadn.net.cn