SuperAPI AI 工具集

openai-whisper-api

通用与其它

查看项目

更新于 10-15 17:26

技能介绍

用途:调用 OpenAI 的 /v1/audio/transcriptions 接口(Whisper),把音频文件转写为文本。

主要能力:默认使用 whisper-1 模型,默认将结果输出为与输入同名并以 .txt 结尾的文本文件。脚本支持若干参数:--model 指定模型,--out 指定输出路径,--language 指定语言,--prompt 提供提示词(例如说话人姓名),--json 以 JSON 形式输出。

使用方式:先设置环境变量 OPENAI_API_KEY,然后运行 {baseDir}/scripts/transcribe.sh /path/to/audio.m4a。带参数的示例如:{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1 --out /tmp/transcript.txt;{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en;{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel";{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json。

适用场景:需要对音频内容做文本转写的场景,例如生成文字稿。

限制:资料未提供支持的具体音频格式清单、文件大小上限、速率或计费信息,也未提供除脚本外的其他集成方式,这些内容暂未提供。