如何使用OPENAI的Whisper功能进行音频字母提取功能

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.name print(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.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) 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。

---

总结 下载音频文件：通过 requests 库从指定 URL 下载音频文件并保存为临时 .wav 文件。使用 Whisper 进行转录：通过 OpenAI 的 Whisper 模型对音频进行转录，获取每个单词的开始和结束时间。存储转录结果：将每个单词的时间戳信息存储到 result 列表中。打印结果：通过日志记录器将转录结果打印出来。 可能的应用场景 音频转录服务（如字幕生成、语音识别）。对音频进行更详细的时间戳标记，用于后续处理（如视频编辑、语音分析等）。