AIGC: 关于ChatGPT中基于Whisper模型实现音频转文本

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