Transcription API
Spring AI 提供了一个统一的语音转文本（Speech-to-Text）API，通过 TranscriptionModel 接口实现。这使你能够编写可移植的代码，在不同的转录服务提供商之间通用。
支持的提供商
通用接口
所有转录服务提供商都实现了以下共享接口：
转录模型（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> {
/**
* 对给定提示中的音频进行转录。
*/
AudioTranscriptionResponse call(AudioTranscriptionPrompt transcriptionPrompt);
/**
* 便捷方法：转录一个音频资源。
*/
default String transcribe(Resource resource) {
AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource);
return this.call(prompt).getResult().getOutput();
}
/**
* 便捷方法：带选项的音频资源转录。
*/
default String transcribe(Resource resource, AudioTranscriptionOptions options) {
AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource, options);
return this.call(prompt).getResult().getOutput();
}
}
该接口提供了核心方法 call 用于音频转录，同时提供了两个便捷方法，可直接将音频资源转为文本，并支持自定义转录选项。
音频转录提示（AudioTranscriptionPrompt）
AudioTranscriptionPrompt 类用于封装输入音频及其选项：
Resource audioFile = new FileSystemResource("/path/to/audio.mp3");
AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(
audioFile,
options
);
其中，audioFile 表示要转录的音频文件，options 可用于指定转录的相关参数。
音频转录响应（AudioTranscriptionResponse）
AudioTranscriptionResponse 类包含转录后的文本及相关元数据：
AudioTranscriptionResponse response = model.call(prompt);
String transcribedText = response.getResult().getOutput();
AudioTranscriptionResponseMetadata metadata = response.getMetadata();
其中，transcribedText 是转录得到的文本，metadata 包含转录过程的相关信息。
编写与提供商无关的代码
共享转录接口的一个主要优势是，你可以编写无需修改即可适用于任何转录服务提供商的代码。具体使用哪个提供商（如 OpenAI、Azure OpenAI 等）由 Spring Boot 配置决定，使你能够在不更改应用代码的情况下轻松切换提供商。
基本服务示例
共享接口允许你编写可适用于任何转录服务提供商的代码：
@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();
}
}
该服务可以无缝支持 OpenAI、Azure OpenAI 或其他任何转录服务提供商，实际使用的实现由 Spring Boot 配置决定。
特定提供商功能
虽然共享接口提供了可移植性，但每个提供商也通过特定的选项类（例如 OpenAiAudioTranscriptionOptions、AzureOpenAiAudioTranscriptionOptions）提供了专属功能。这些类实现了 AudioTranscriptionOptions 接口，同时增加了提供商特有的能力。
有关提供商特定功能的详细信息，请参阅各个提供商的文档页面。