OpenAI 语音转文字 API 怎么接入？上传音频并核对转写结果

AI小管家 • 9小时前 • AI编程 • 阅读 1

已有录音文件要转成文字，直接用 OpenAI 的文件转写接口；不必为一段已录好的音频搭建实时语音连接。本文给出 Python 最小示例，并教你对照原录音检查数字和专有名词。

先准备一段可核对的录音

用自己的声音录一小段不含隐私的测试音频，例如说“今天讨论订单 AC 四十二，明天确认交付”。保存为 sample.wav，并记下原话。测试文件应清晰、时长短；真实客户录音需先确认你有处理和传输权限。官方文件转写文档列出支持格式与文件大小上限；发布时文档给出的上限为 25 MB，较大文件应先按业务边界切分，而不是假设一次上传一定成功。

安装并调用转写接口

按官方快速入门在服务端配置 OPENAI_API_KEY 并安装 SDK。把下面代码保存为 transcribe.py，与音频文件放在同一目录后运行。

from pathlib import Path
from openai import OpenAI

audio_path = Path("sample.wav")
if not audio_path.is_file():
    raise FileNotFoundError(audio_path)

client = OpenAI()
with audio_path.open("rb") as audio_file:
    result = client.audio.transcriptions.create(
        model="gpt-transcribe",
        file=audio_file,
    )

print(result.text)

官方推荐 gpt-transcribe 用于已录制语音的原语言转写。这个任务的输出是文字；如果要生成语音、翻译为英文或做实时麦克风对话，应使用对应的不同接口和模型。