Transcription API

QWen 3.8 中英对照 Transcription API

Spring AI 通过 TranscriptionModel 接口提供统一的语音转文本（Speech-to-Text）转录 API。这使得您可以编写可移植的代码，以支持不同的转录服务提供商。

支持的提供商

• OpenAI 的 Whisper API

通用接口

所有转录服务提供商都实现了以下共享接口：

TranscriptionModel

TranscriptionModel 接口提供了将音频转换为文本的方法：

public interface TranscriptionModel extends Model<AudioTranscriptionPrompt, AudioTranscriptionResponse> {

    /**
     * Transcribes the audio from the given prompt.
     */
    AudioTranscriptionResponse call(AudioTranscriptionPrompt transcriptionPrompt);

    /**
     * A convenience method for transcribing an audio resource.
     */
    default String transcribe(Resource resource) {
        AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource);
        return this.call(prompt).getResult().getOutput();
    }

    /**
     * A convenience method for transcribing an audio resource with options.
     */
    default String transcribe(Resource resource, AudioTranscriptionOptions options) {
        AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource, options);
        return this.call(prompt).getResult().getOutput();
    }
}

AudioTranscriptionPrompt

AudioTranscriptionPrompt 类封装了输入音频和选项：

Resource audioFile = new FileSystemResource("/path/to/audio.mp3");
AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(
    audioFile,
    options
);

AudioTranscriptionResponse

AudioTranscriptionResponse 类包含转录文本和元数据：

AudioTranscriptionResponse response = model.call(prompt);
String transcribedText = response.getResult().getOutput();
AudioTranscriptionResponseMetadata metadata = response.getMetadata();

编写提供商无关的代码

共享转录接口的关键优势之一是，能够编写与任意转录提供者兼容的代码，且无需修改。实际的提供者（例如 OpenAI）由您的 Spring Boot 配置决定，从而允许在无需更改应用程序代码的情况下切换提供者。

基础服务示例

共享接口允许您编写适用于任何转录提供方的代码：

@Service
public class TranscriptionService {

    private final TranscriptionModel transcriptionModel;

    public TranscriptionService(TranscriptionModel transcriptionModel) {
        this.transcriptionModel = transcriptionModel;
    }

    public String transcribeAudio(Resource audioFile) {
        return transcriptionModel.transcribe(audioFile);
    }

    public String transcribeWithOptions(Resource audioFile, AudioTranscriptionOptions options) {
        AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(audioFile, options);
        AudioTranscriptionResponse response = transcriptionModel.call(prompt);
        return response.getResult().getOutput();
    }
}

此服务可与 OpenAI 或任何其他转写提供商无缝协作，具体实现由你的 Spring Boot 配置决定。

提供商特定功能

虽然共享接口提供了可移植性，但每个提供商还通过专属选项类（例如 OpenAiAudioTranscriptionOptions）提供特定功能。这些类实现了 AudioTranscriptionOptions 接口，同时增加了提供商特有的功能。

有关特定提供程序的功能的详细信息，请参见各个提供程序的文档页面。

章节摘要

📄️Azure OpenAI

截至 Spring AI 2.0.0-M5，应使用 OpenAI Transcriptions 来访问部署在 Azure / Microsoft Foundry 上的 OpenAI 模型。

📄️OpenAI

Spring AI 支持 OpenAI 的 Transcription 模型。