Skip to main content
Open In ColabOpen on GitHub

Azure OpenAI Whisper 解析器

Azure OpenAI Whisper Parser 是一个围绕 Azure OpenAI Whisper API 的封装器，它利用机器学习将音频文件转录为英文文本。

该解析器支持 .mp3、.mp4、.mpeg、.mpga、.m4a、.wav 和 .webm 格式。

当前的实现遵循 LangChain 核心原则，可以与其他加载器一起用于处理音频下载和解析。因此，该解析器将 yield 一个 Iterator[Document]。

先决条件​

该服务需要 Azure 凭据、Azure 端点以及 Whisper Model 部署，您可以通过此处的指南进行设置。此外，还必须安装所需的依赖项。

%pip install -Uq  langchain langchain-community openai

示例 1​

AzureOpenAIWhisperParser 的 .lazy_parse 方法接受一个 Blob 对象作为参数，该对象包含要转录文件的文件路径。

from langchain_core.documents.base import Blob

audio_path = "path/to/your/audio/file"
audio_blob = Blob(path=audio_path)
API Reference:Blob
from langchain_community.document_loaders.parsers.audio import AzureOpenAIWhisperParser

endpoint = "<your_endpoint>"
key = "<your_api_key"
version = "<your_api_version>"
name = "<your_deployment_name>"

parser = AzureOpenAIWhisperParser(
    api_key=key, azure_endpoint=endpoint, api_version=version, deployment_name=name
)
documents = parser.lazy_parse(blob=audio_blob)
for doc in documents:
    print(doc.page_content)

示例 2​

AzureOpenAIWhisperParser 也可以与音频加载器结合使用，例如与 GenericLoader 一起使用的 YoutubeAudioLoader。

from langchain_community.document_loaders.blob_loaders.youtube_audio import (
    YoutubeAudioLoader,
)
from langchain_community.document_loaders.generic import GenericLoader
# Must be a list
url = ["www.youtube.url.com"]

save_dir = "save/directory/"
name = "<your_deployment_name>"

loader = GenericLoader(
    YoutubeAudioLoader(url, save_dir), AzureOpenAIWhisperParser(deployment_name=name)
)

docs = loader.load()
for doc in documents:
    print(doc.page_content)