Azure OpenAI 转录

Spring AI 支持 Azure Whisper 模型。

先决条件

从 Azure 门户 的 Azure OpenAI 服务部分获取您的 Azure OpenAI endpoint 和 api-key。Spring AI 定义了一个名为 spring.ai.azure.openai.api-key 的配置属性，您应该将其设置为从 Azure 获取的 API Key 的值。还有一个名为 spring.ai.azure.openai.endpoint 的配置属性，您应该将其设置为在 Azure 中配置模型时获得的端点 URL。导出环境变量是一种设置该配置属性的方法。

自动配置

Spring AI 为 Azure OpenAI 转录生成客户端提供 Spring Boot 自动配置。要启用它，请将以下依赖项添加到您项目的 Maven pom.xml 文件

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

或您的 Gradle build.gradle 构建文件。

dependencies {
    implementation 'org.springframework.ai:spring-ai-azure-openai-spring-boot-starter'
}
请参阅 依赖项管理 部分，以将 Spring AI BOM 添加到您的构建文件。

转录属性

前缀 spring.ai.openai.audio.transcription 用作属性前缀，允许您配置 OpenAI 图像模型的重试机制。

属性 描述 默认值

spring.ai.azure.openai.audio.transcription.enabled

启用 Azure OpenAI 转录模型。

true

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

模型部署到的部署名称。

spring.ai.azure.openai.audio.transcription.options.response-format

成绩单输出的格式，以下列选项之一：json、text、srt、verbose_json 或 vtt。

json

spring.ai.azure.openai.audio.transcription.options.prompt

指导模型风格或继续之前的音频片段的可选文本。提示应与音频语言匹配。

spring.ai.azure.openai.audio.transcription.options.language

输入音频的语言。以 ISO-639-1 格式提供输入语言将提高准确性和降低延迟。

spring.ai.azure.openai.audio.transcription.options.temperature

采样温度，介于 0 和 1 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定性。如果设置为 0，则模型将使用对数概率自动提高温度，直到达到某些阈值。

0

spring.ai.azure.openai.audio.transcription.options.timestamp-granularities

为此转录填充的时间戳粒度。response_format 必须设置为 verbose_json才能使用时间戳粒度。支持以下一个或两个选项：word 或 segment。注意：段落时间戳没有额外的延迟，但是生成单词时间戳会产生额外的延迟。

segment

运行时选项

AzureOpenAiAudioTranscriptionOptions 类提供了在进行转录时使用的选项。启动时，将使用 spring.ai.azure.openai.audio.transcription 指定的选项，但您可以在运行时覆盖这些选项。

例如

AzureOpenAiAudioTranscriptionOptions.TranscriptResponseFormat responseFormat = AzureOpenAiAudioTranscriptionOptions.TranscriptResponseFormat.VTT;

AzureOpenAiAudioTranscriptionOptions transcriptionOptions = AzureOpenAiAudioTranscriptionOptions.builder()
    .withLanguage("en")
    .withPrompt("Ask not this, but ask that")
    .withTemperature(0f)
    .withResponseFormat(this.responseFormat)
    .build();
AudioTranscriptionPrompt transcriptionRequest = new AudioTranscriptionPrompt(audioFile, this.transcriptionOptions);
AudioTranscriptionResponse response = azureOpenAiTranscriptionModel.call(this.transcriptionRequest);

手动配置

将 spring-ai-openai 依赖项添加到您项目的 Maven pom.xml 文件

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

或您的 Gradle build.gradle 构建文件。

dependencies {
    implementation 'org.springframework.ai:spring-ai-azure-openai'
}
请参阅 依赖项管理 部分，以将 Spring AI BOM 添加到您的构建文件。

接下来，创建一个 AzureOpenAiAudioTranscriptionModel

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()
    .withResponseFormat(TranscriptResponseFormat.TEXT)
    .withTemperature(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);