AI一点通： OpenAI whisper 在线怎么调用，怎么同时输出时间信息？

OpenAI 语音转文字 whisper API提供了两个端点，即转录和翻译，这基于我们最先进的开源大型v2 Whisper模型。它们可以用来：

将音频转录成音频所在的语言。 翻译并将音频转录成英文。 文件上传目前限制为25 MB，支持以下输入文件类型：mp3、mp4、mpeg、mpga、m4a、wav 和 webm。

以下是一个Python示例：

import requests
import openai

# 定义API端点和头信息
url = "https://api.openai.com/v1/audio/transcriptions"
headers = {
    "Authorization": "Bearer {}".format(open_ai_key)  # 用你的API密钥替换
}

# 你的音频文件位置，可以是mp3或mp4等。
FILE_PATH = "./upload-whisper.mp4"
# 定义参数
files = {
    'file': ('test.mp4', open(FILE_PATH, 'rb')),
    'model': (None, 'whisper-1'),
    'response_format': (None, 'srt')
}

response = requests.post(url, headers=headers, files=files)
print(response.text)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

输出为：

1
00:00:00,000 --> 00:00:02,600
首先，我需要你去前台报名工作。
1
2
3

注意，在上述代码中，我们将response_format设置为srt，该格式带有时间戳。转录输出的格式也可以是以下选项之一：json、text、srt、verbose_json 或 vtt。

阅读英文版