便携AI聚合API whisper（音频转录成文字/音频翻译成英文）模型接入教程

whisper是OpenAI的音频转文字模型，目前仅有whisper-1版本，有两个功能：将音频转录成目标文字；将音频翻译成英文。本文分享下便携AI聚合API whisper模型接入教程。

一、前言

本文参考OpenAI官方API文档：

• API reference：https://platform.openai.com/docs/api-reference
• Docs：https://platform.openai.com/docs/overview

文中使用的API Key均为便携AI聚合API后台生成的令牌，以sk-开头的一串随机字符，获取方法：《便携AI聚合API新建令牌（API key）教程》。

便携AI聚合API有三个接入地址（即URL），一般推荐选择第一个或者第二个：

• 中转API调用地址①（中国香港服务器，直连线路，带宽大）：https://api.bianxie.ai
• 中转API调用地址②（国内上海服务器，带宽稍小）：https://api.bianxieai.com
• 中转API调用地址③（国外服务器，也可以直连，备用）：https://api.a8.hk（三个网站都可以登录账号，数据同步）

模型支持各种语言接入，包括python、PHP、C#、C、Ruby、Java、Go、JavaScript等，本文主要分享官方的CURL调用方法，以及基于python的调用方法，如果你是用其他语言调用API的，则直接问ChatGPT或者其他语言模型怎么改写就行了，如下图：

二、whisper模型接入教程

1、whisper API介绍

OpenAI whisper API有两个功能：transcription和translation，区别如下。

Transcription：

• 功能：将音频转录成文字。
• 语言支持：支持将音频转录为输入音频的语言，即如果输入的是中文音频，转录的文字也是中文。
• 用途：适用于需要将语音内容直接转成文字的场景，如会议记录、语音笔记等。

Translation

• 功能：将音频翻译成英文。
• 语言支持：支持将非英语音频翻译成英语，即如果输入的是中文音频，翻译后的文字是英文。
• 用途：适用于需要将不同语言的语音内容翻译成英文的场景，如多语言交流、语言学习等。

假设有一段中文音频：

1. Transcription
   • 输入：中文音频
   • 输出：中文文字（例如，“你好，今天的天气很好。”）
2. Translation
   • 输入：中文音频
   • 输出：英文文字（例如，“Hello, the weather is nice today.”）

2、Transcription接入教程

支持的参数：

OpenAI官方分享的调用方法：

curl https://api.bianxie.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@/path/to/file/audio.mp3" \
  -F model="whisper-1"

python调用方法（调用的是通过tts模型生成的音频文件，详见：《便携AI聚合API tts文本转音频模型接入教程》）：

import requests

api_key = 'sk-hPxJKeSD8mQoySDCEf'

file_path = 'D:\\king\\codes\\tools\\openai\\speech.mp3'

url = 'https://api.bianxie.ai/v1/audio/transcriptions'

with open(file_path, 'rb') as audio_file:
    response = requests.post(
        url,
        headers={
            'Authorization': f'Bearer {api_key}'
        },
        files={
            'file': audio_file
        },
        data={
            'model': 'whisper-1'
        }
    )

print(response.json())

返回结果：

{'text': 'The quick brown fox jumped over the lazy dog.'}

3、Translation接入教程

支持的参数：

OpenAI官方分享的调用方法：

curl https://api.bianxie.ai/v1/audio/translations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@/path/to/file/german.m4a" \
  -F model="whisper-1"

python调用方法：

import requests

api_key = 'sk-hPxJKeSD8mQoySD'

file_path = 'D:\\king\\codes\\tools\\openai\\speech.mp3'

url = 'https://api.bianxie.ai/v1/audio/transcriptions'
headers = {
    "Authorization": f"Bearer {api_key}"
}
files = {
    "file": ("german.m4a", open(file_path, "rb")),
    "model": (None, "whisper-1")
}

response = requests.post(url, headers=headers, files=files)

if response.status_code == 200:
    print(response.json())
else:
    print(f"Failed to get translation: {response.status_code} - {response.text}")

返回：

{'text': 'The quick brown fox jumped over the lazy dog.'}