Azure OpenAI Whisper Parser

Azure OpenAI Whisper Parser 是 Azure OpenAI Whisper API 的封裝器，它利用機器學習將音訊檔案轉錄為英文文字。

此解析器支援 .mp3、.mp4、.mpeg、.mpga、.m4a、.wav 和 .webm。

目前的實作遵循 LangChain 核心原則，並且可以與其他載入器搭配使用，以處理音訊下載和解析。因此，此解析器將 yield 一個 Iterator[Document]。

先決條件

此服務需要 Azure 憑證、Azure 端點和 Whisper 模型部署，可以依照此處的指南進行設定。此外，必須安裝必要的相依性。

%pip install -Uq  langchain langchain-community openai

範例 1

AzureOpenAIWhisperParser 的方法 .lazy_parse 接受 Blob 物件作為參數，其中包含要轉錄的檔案的檔案路徑。

from langchain_core.documents.base import Blob

audio_path = "path/to/your/audio/file"
audio_blob = Blob(path=audio_path)

API 參考：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
)

API 參考：AzureOpenAIWhisperParser

documents = parser.lazy_parse(blob=audio_blob)

for doc in documents:
    print(doc.page_content)

範例 2

AzureOpenAIWhisperParser 也可以與音訊載入器結合使用，例如帶有 GenericLoader 的 YoutubeAudioLoader。

from langchain_community.document_loaders.blob_loaders.youtube_audio import (
    YoutubeAudioLoader,
)
from langchain_community.document_loaders.generic import GenericLoader

API 參考：YoutubeAudioLoader | 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)