【Azure OpenAI】Azure OpenAI Python SDK 使用方式：Whisper

期待已久，語音轉文字的 Whisper 模型終於在 Azure OpenAI 上公開預覽了！不過目前在官方文檔中也還沒有太多的資訊，所以就先簡單紀錄一下測試的過程了。

目前如果想在 Azure 上使用 Whisper 模型有兩種方式，分別是透過 Azure OpenAI 或是使用 Azure AI 語音，兩邊有各自的適合情境與進階功能，因為主要只是想測試 Whisper 的功能，這邊就先選擇相對單純的 Azure OpenAI 來使用。

必要條件

目前 Whisper 屬於公開預覽的新服務，所以存在比較多的使用限制：

• 需要具備可使用 Azure OpenAI 服務的 Azure 訂閱，可參考下方連結中的申請流程。

• 僅能在美國中北部或西歐區域使用。

• 此系列文皆使用 Python 的 openai 函式庫，安裝與引入方式可參考下方連結中的基本設定。

• 可先設定 Azure OpenAI 端點與金鑰，以下設定方式不會再重複出現在每個範例中。

• 需要使用到最新的 API 版本：2023-09-01-preview。

• Whisper 模型接受的檔案大小需小於 25 MB。

import openai
openai.api_type = "azure"
openai.api_version = "2023-09-01-preview"
openai.api_base = "https://xxxxx.openai.azure.com/"  # 你的 Azure OpenAI 端點
openai.api_key = "OPENAI_API_KEY" # 你的 Azure OpenAI 金鑰

相關連結：【Azure OpenAI】Azure OpenAI 申請流程全紀錄

相關連結：【Azure OpenAI】Azure OpenAI Python SDK 使用方式：基本設定

測試資料

這邊使用 Azure AI 語音在 GitHub 上提供的測試，直接拿中文的語音範例來用。

相關連結：https://github.com/Azure-Samples/cognitive-services-speech-sdk/tree/master/sampledata/customspeech/zh-CN/testing

轉錄：Transcribe API 

Transcribe API 是 Whisper 中最基本的功能，也就是語音轉文字，使用範例如下：

audio_file = open("audio1.wav", "rb")

response = openai.Audio.transcribe(
    model="whisper", deployment_id="whisper", file=audio_file
)

print(response['text'])

範例輸出：

数据、模型、测试和终结点等内容组织到自定义语音门户中的项目中。 每个项目都是特定于预合国家地区的。 例如,你可以为在美国中使用英语的呼叫中心创建项目。 若要创建第一个项目,请选择语音到文本斜杠自定义语音,然后单击新建项目。 遵照向导中的说明创建项目。 创建项目后,应该会看到四个选项卡——数据、测试、培训和部署。 使用后续步骤中提供的链接了解如何使用每个选项卡。

與其他模型的 API 類似，deployment_id 是在 Aazure OpenAI 中 Whisper 模型的部署名稱，而語音的提供方式只需要 open 打開檔案後放入參數 file 內，使用起來可以說非常方便！

翻譯：Transcription API 

Transcriptions API 在語音轉文字的同時能順帶有翻譯的功能，所以輸出的文字會直接是翻譯過後的。

audio_file = open("audio1.wav", "rb")

response = openai.Audio.translate(
    model="whisper", deployment_id="whisper", file=audio_file
)

print(response['text'])

輸出如下：

data, models, tests, and termination points, etc. are organized into the projects in the self-defined voice door. Each project is specific to the Yuhe National Area. For example, you can create a project for the call center that uses English in the United States. If you want to create the first project, please select the voice-to-text slash self-defined voice, and then click on the new project. Follow the instructions in the guide to create a project. After creating the project, you should see four options, data, tests, training, and deployment. Use the link provided in the follow-up steps to learn how to use each option card.

使用方式對比 Transcribe API 只需要改成呼叫 translate 端點就可以了，一樣是非常方便。

但目前比較可惜的是，雖然輸入的語音檔支援了多國語言，但都只能翻譯成英文，希望後續會有多國到多國的翻譯功能，一個暫時的解法是可以透過 GPT 來做後處理。

使用 GPT 進行後處理

這邊透過簡單設計 system_prompt 將 GPT 當作翻譯器使用，一些使用技巧可以看看相關連結的聊天模型使用方式。

gpt_response = openai.ChatCompletion.create(
  deployment_id="gpt-35-turbo",
  messages=[
      {"role": "system", "content": "你是一個將文字翻譯成繁體中文的助手"},
      {"role": "user", "content": response['text']},
    ]
)

print(gpt_response['choices'][0]['message']['content'])

輸出如下：

在自定義語音辨識裝置中，數據、模型、測試和終止點等項目被組織成項目。每個項目都是針對宇河國家區域而設計的。例如，您可以為在美國使用英語的呼叫中心創建一個項目。如果您想創建第一個項目，請選擇語音轉文字/自定義語音，然後點擊新項目。按照指南中的指示創建項目。創建項目後，您應該可以看到四個選項：數據、測試、培訓和部署。使用後續步驟中提供的鏈接來學習如何使用每個選項卡。

對比上方直接轉錄出的中文文字，在這個範例中可以說是非常精準！

相關連結：【Azure OpenAI】Azure OpenAI Python SDK 使用方式：聊天模型

總結

直接透過 API 來呼叫 Whisper 的轉錄與翻譯功能真的非常方便快速（連文章寫起來都很快😆），如果可以善用 GPT  來做適當的後處理，例如針對公司產品的專有名詞或縮寫在文字中做修正，相信在一些應用上就能做出企業專屬、更全面的聊天助手。

系列文章

• 【Azure OpenAI】Azure OpenAI 申請流程全紀錄
• 【Azure OpenAI】Azure OpenAI Python SDK 使用方式：基本設定
• 【Azure OpenAI】Azure OpenAI Python SDK 使用方式：聊天模型
• 【Azure OpenAI】Azure OpenAI Python SDK 使用方式：Embedding
• 【Azure OpenAI】Azure OpenAI Python SDK 使用方式：Function Calling
• 【Azure OpenAI】Azure OpenAI Python SDK 使用方式：Whisper