概述
到目前，GPT只能去接收文本的输入，但是在现实的生活当中，会有语音的需求 GPT也有相关的能力接入，我们就需要一个能够将语音内容转换成文本的能力 当然其他第三方的软件或者接口也是支持这个功能 在 Open AI 有一个语音转文本的模型叫做 whisper 在 Open AI 它的官方网站当中，在左侧可以看到有一个 Audio 关于音频的API 文档: https://platform.openai.com/docs/api-reference/audio/create-transcription 接口: https://api.openai.com/v1/audio/transcriptions 可以看到它的参数 file 参数，必选，file类型，支持 mp3,mp4,mpeg,mpga,m4a,wav,or webm. model 参数，必选，string 类型，目前仅支持 whisper-1 prompt 参数，可选，string 类型 response_format 参数，可选，string 类型 temperature 参数，可选，number 类型 默认 0 language 参数，可选，string 类型 … 与其他的音频转文本的方法或者工具不同的是 Open AI 允许我们去输入 Prompt 这个 Prompt 就是对于我们音频的一个介绍 举个例子，我们的音频是计算机相关的论文，或者法学，医学相关的论文 在这些论文当中，可能会有很多的特有的专业的名词 如果我们按照正常行的音频翻译的话，有可能得到的并不是我们想要的结果 但是 Open AI 不一样，我们在进行 whisper 调用的时候，可以去向它发送 Prompt 这里 Prompt 就是对音频的介绍，我们可以清晰的告诉 GPT，我们的音频是哪个领域，哪个方向 然后研究是的是什么的内容等，这样可辅助GPT对音频的内容进行分析转换成较准确的相关的文本，提升转换的质量 response_format 是对于输出进行一个格式化，默认是 Json 这是和音频相关的接口代码
whisper_example.py
# -*- coding: utf-8
import os
import openai
openai.api_key = "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"
openai.proxy="http://127.0.0.1:7890"
audio_file = open("test.mp3", "rb")
transcript = openai.Audio.transcribe("whisper-1", audio_file, prompt=r"这是一篇机器学习相关的公开课")
print(transcript['text'])