Транскрибирование речи

  • 3 мин

Совет

Дополнительные сведения см. на вкладке "Текст и изображения ".

Транскрибирование речи или преобразование речи в текст включает отправку аудиоконтента в модель, которая отвечает текстовой расшифровкой речи из аудиоисточника.

К моделям, поддерживающим операции преобразования речи в текст, относятся:

  • gpt-4o-transcribe
  • gpt-4o-mini-transcribe
  • gpt-4o-transcribe-diarize

Замечание

Доступность модели зависит от региона. Просмотрите таблицу региональной доступности модели в документации Microsoft Foundry.

Использование модели преобразования речи в текст

Чтобы использовать модель преобразования речи в текст в собственном приложении, можно использовать клиент AzureOpenAI в пакете SDK OpenAI для подключения к конечной точке ресурса Microsoft Foundry и передать содержимое звукового файла в модель для транскрибирования.

from openai import AzureOpenAI
from pathlib import Path

# Create an AzureOpenAI client
client = AzureOpenAI(
    azure_endpoint=YOUR_FOUNDRY_ENDPOINT,
    api_key=YOUR_FOUNDRY_KEY,
    api_version="2025-03-01-preview"
)

# Get the audio file
file_path = Path("speech.mp3")
audio_file = open(file_path, "rb")

# Use the model to transcribe the audio file
transcription = client.audio.transcriptions.create(
    model=YOUR_MODEL_DEPLOYMENT,
    file=audio_file,
    response_format="text"
)

print(transcription)