Product Guide
Linux PC
AI アクセラレーターカード
LLM-8850 カード
LLM
リアルタイム音声アシスタント
XiaoZhi ボイスアシスタント
AtomS3R-M12 Volcengine Kit
Industrial Control
IoT Measuring Instruments
Air Quality
PowerHub
Module13.2 PPS
VAMeter
T-Lite
Ethernet Camera
PoECAM
Wi-Fi Camera
Unit CamS3/-5MP
AI Camera
LoRa & LoRaWAN
Motor Control
ファームウェアの初期化
ディップスイッチ＆ピン切り替え
音声テキスト変換 (STT)
API インターフェースを介して音声入力をテキスト出力に変換します。
準備作業
サンプルプログラムを実行する前に、デバイスに対応するモデルパッケージをインストールする必要があります。モデルパッケージのインストール手順はモデルリスト章をご参照ください。
本サンプルプログラムを実行する前に、LLM デバイス上で以下の準備を完了していることを確認してください：
- apt パッケージ管理ツールを使用して
llm-model-whisper-tinyモデルパッケージをインストールします。
apt install llm-model-whisper-tinyffmpegツールをインストールします。
apt install ffmpeg- インストール完了後、新しいモデルを有効にするために OpenAI サービスを再起動します。
systemctl restart llm-openai-apiサンプルプログラム
PC 側で OpenAI API を使用して音声ファイルを渡し、音声をテキストに変換する機能を実装します。サンプルプログラムを実行する前に、下記 base_url の IP 部分をデバイスの実際の IP アドレスに変更してください。
from openai import OpenAI
client = OpenAI(
api_key="sk-",
base_url="http://192.168.20.186:8000/v1"
)
audio_file = open("speech.mp3", "rb")
transcript = client.audio.transcriptions.create(
model="whisper-tiny",
language="en",
file=audio_file
)
print(transcript)リクエストパラメータ
| パラメータ名 | 型 | 必須 | 例 | 説明 |
|---|---|---|---|---|
| file | file | yes | – | 転写対象の音声ファイルオブジェクト（ファイル名ではなく）、サポートされるフォーマットには flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav、webm が含まれます |
| model | string | yes | whisper-base | 使用する音声認識モデルの ID。選択肢には whisper-tiny、whisper-base、whisper-small が含まれます |
| language | string | yes | en | 入力音声の言語。ISO-639-1 コード（例：en）を使用します。認識精度と速度が向上します |
| response_format | string | no | json | 返却フォーマット。現在 json のみサポートされています。デフォルトは json です |
レスポンス例
Transcription(text=' Thank you. Thank you everybody. All right everybody go ahead and have a seat. How\'s everybody doing today? .....',
logprobs=None, task='transcribe', language='en', duration=334.234, segments=12, sample_rate=16000, channels=1, bit_depth=16)