如何解决AttributeError: 'Audio'对象无'transcribe'属性的问题？

问题描述 #

开发语音识别机器人时，调用AudioInterface.listen()方法触发以下错误：

AttributeError: 'Audio' object has no attribute 'transcribe'

使用的OpenAI版本为1.14.1，移除elevenlabs相关代码后错误仍存在。

原因分析 #

speech_recognition库的recognize_whisper_api方法沿用了旧版OpenAI API调用逻辑（client.audio.transcribe），但OpenAI v1.x版本已调整API结构，Audio对象不再包含transcribe方法，替代接口为audio.transcriptions.create。

解决方案 #

方案一：降级OpenAI到兼容版本 #

安装适配旧API的OpenAI版本：

pip install openai==0.28.1

方案二：适配OpenAI v1.x API修改代码 #

放弃使用speech_recognition提供的recognize_whisper_api，直接基于OpenAI新API实现语音识别逻辑，修改interface.py中的listen方法：

import speech_recognition as sr
import os
from elevenlabs import generate, play, set_api_key
from openai import OpenAI

set_api_key(os.environ['ELEVEN_API_KEY'])
client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

class AudioInterface:
    def listen(self)->str:
        recognizer=sr.Recognizer()
        with sr.Microphone() as source:
            print("say something")
            audio=recognizer.listen(source)
        
        # 将音频转为wav格式临时文件
        with open("temp_recording.wav", "wb") as f:
            f.write(audio.get_wav_data())
        
        # 调用OpenAI v1.x转录API
        with open("temp_recording.wav", "rb") as audio_file:
            transcript = client.audio.transcriptions.create(
                model="whisper-1",
                file=audio_file
            )
        return transcript.text
            
    def speak(self, text):
        audio=generate(
            text=text,
            voice='Bella',
            model='eleven_monolingual_v1'
        )
        play(audio)

方案三：修改speech_recognition库源码 #

找到报错的whisper.py文件（路径示例：venv/lib/python3.12/site-packages/speech_recognition/recognizers/whisper.py），将第43行的旧API调用：

transcript = client.audio.transcribe(model, wav_data, api_key=api_key)

替换为新API调用：

from io import BytesIO
wav_file = BytesIO(wav_data)
wav_file.name = "temp.wav"
transcript = client.audio.transcriptions.create(model=model, file=wav_file, api_key=api_key)

内容的提问来源于stack exchange，提问作者Sevval Kahraman