跳到主要內容

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週，今天終於等到 API 開放使用啦！本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的，不過回到使用 API 來存取 o1 模型，就需要像之前的模型一樣先進行佈署才能使用，相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件： 2024-09-01-preview 初始化的方式與先前模型都一樣，需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ，或是你的模型佈署名稱， messages 也一樣是歷史對話堆疊的 List。 回應如下： 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token，因此我們特別把 Token 使用量拉出來看。 回應如下： 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了，分別代表Token 的 Input、Output 與總使用量，而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens，居然佔了總輸出 Token 的 80% 以上！ 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量，但在 o1 模型中棄用了 max_tokens ，取而代之的是使用  max_completion_tokens 參數，來看看這段程式碼： 回應如下： 沒東西？那再看一次 Token 量。 回應如下： Token 居然是有被使用的！ 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單，先前在回應遇到...
張貼留言

【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 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

標籤：
位置： 407台灣台中市西屯區

留言

張貼留言

這個網誌中的熱門文章

【Azure OpenAI】購買 PTU 時微軟不會告訴你的事

Provisioned Throughput Units 一直是目前在 Azure OpenAI 對於延遲問題的最有效解法，同時也是官方最推薦的方案。有別於基本的隨付即用，PTU 具有穩定、可預測的延遲等優勢，適合用於正式上線的生產環境。 但 PTU 的成本是一個不可忽視的問題，儘管選購最小單位量的 PTU，也是需要應用到達一定規模後才看得出使用效益。在確認是否購買 PTU 時，除了詳細閱讀官方文件並使用官方推出的計算機規劃額度外，以下幾點或許也是你該注意的。 不可自行購買 PTU 首先，是的，截自撰文當日 (2024/07/09) PTU 只能透過微軟業務窗口洽詢購買細節，這可能對於多數用戶是不友善的，但我相信這個過程很快就能得到優化。 相關連結： https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#how-do-i-get-access-to-provisioned PTU 的可用區域僅供參考 在官方文件中記錄了下述表格，其中詳細的呈現各種模型的 PTU 在不同地區的可用性，但這張表只是一個參考，因為當你洽詢業務窗口時你會得到另一張不同的表格。 其中對於台灣用戶可能最有影響的，是我們沒辦法在日本東部購買 gpt-4o 模型的 PTU，對於想透過購買 PTU 以降低模型延遲的用戶來說這是一個矛盾的選擇，當然更不用提隨之產生的跨區傳輸量成本。 一樣截至撰文為止，為何在打勾區域✅無法購買的問題，官方並沒有給出任何理由，或許是我們採購量沒有達到官方需要解釋的程度😔 相關連結： https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#what-models-and-regions-are-available-for-provisioned-throughput 有別於你認知的定價策略 承如前述，PTU 的成本絕對是導入時的重要考量點。 PTU 的售價到底是多少 事實上 PTU 的官方售價早就是公開的秘密，稱之為秘密是因為 PTU 的售價截至目前並沒有被列在官方文件或定價計算機中，但在最新的 Azure OpenAI S...
張貼留言
閱讀完整內容

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週，今天終於等到 API 開放使用啦！本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的，不過回到使用 API 來存取 o1 模型，就需要像之前的模型一樣先進行佈署才能使用，相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件： 2024-09-01-preview 初始化的方式與先前模型都一樣，需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ，或是你的模型佈署名稱， messages 也一樣是歷史對話堆疊的 List。 回應如下： 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token，因此我們特別把 Token 使用量拉出來看。 回應如下： 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了，分別代表Token 的 Input、Output 與總使用量，而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens，居然佔了總輸出 Token 的 80% 以上！ 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量，但在 o1 模型中棄用了 max_tokens ，取而代之的是使用  max_completion_tokens 參數，來看看這段程式碼： 回應如下： 沒東西？那再看一次 Token 量。 回應如下： Token 居然是有被使用的！ 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單，先前在回應遇到...
張貼留言
閱讀完整內容

【Azure OpenAI】快速試用 o1 模型

在 OpenAI 與 Azure OpenAI 同時發佈 o1 系列模型的一週後，我也順利通過 Azure OpenAI 的使用申請啦！本篇就來快速試用一下最新的o1 系列模型。 提出申請 目前如果要使用 o1 系列模型都需要經過微軟的資格審查，申請表單可以參考以下連結，表單只需要填寫一份，申請通過後 o1-preview 和 o1-mini 兩個模型都能使用。 相關連結： https://aka.ms/oai/modelaccess 使用 AI Studio 首先你必須要有一個位於 美東 2 地區的 Azure OpenAI 資源，不管是原有的或是新建立的資源都可以。 因為目前 o1 系列模型還處於早期訪問階段，資源中不需要自行佈署模型，取而代之的是需要透過 Early Access Playground 才能使用到 o1 系列模型。 而這次比較特別的是只能使用 AI Studio 的 Playground，看得出來微軟要慢慢整併掉 Azure OpenAI Studio 了。 草莓問題 這次就拿近期已經被大家玩爛的草莓問題來測試，在這個問題中我們會詢問 GPT 在「Strawberry」這個單字裡包含了多少個字母「r」，沒錯，這個草莓問題就是這麼簡單無聊，但結果卻出乎意料。 gpt-4o：兩次 gpt-4o 會有非常高的機率回答：兩次，看似如此簡單的問題又能讓 gpt-4o 屢屢回答錯誤，這就是草莓問題出名的原因，大家也可以自己嘗試看看。 o1-preview：三次 反觀加入 Chain of Thought 概念的 o1-preview 就輕鬆解決了這個草莓問題 😂 總結 根據官方資訊，具有 Chain of Thought 的 o1 模型犧牲了回應的即時性，但大幅改善在邏輯與推理類型問題中的表現，同時成本方面 o1-preview 相較 gpt-4o-0806 貴了 6 倍，對於企業來說就需要好好思考是否有適用的情境了，不過現階段還是繼續期待 API 可用的那天。
張貼留言
閱讀完整內容