如何在Python中获取带时间戳的OpenAI JSON格式转录结果？

要获取包含文本、起始时间和时长的结构化转录结果，只需修改OpenAI API调用参数并简单处理返回数据即可：

1. 修改API调用参数 #

在openai.Audio.transcribe方法中添加response_format="verbose_json"参数，该参数会让API返回包含分段时间信息的详细JSON数据。

2. 整理返回结果 #

API返回的详细数据里的segments字段，每个元素都包含text、start和duration三个所需字段，提取这些字段并重组为目标格式即可。

修改后的完整代码 #

import openai
import json

openai.organization = "org-xxxxxx"
openai.api_key = "sk-xxxxx"

audio_file_path = "/Users/tejaksha/Downloads/dhoni.mp4"

# 调用API时指定返回详细JSON格式
audio_file = open(audio_file_path, "rb")
transcript = openai.Audio.transcribe("whisper-1", audio_file, response_format="verbose_json")

# 整理成目标结构化格式
structured_result = {
    "transcript": [
        {
            "text": seg["text"].strip(),
            "start": seg["start"],
            "duration": seg["duration"]
        } for seg in transcript["segments"]
    ]
}

# 打印格式化后的结果
print(json.dumps(structured_result, indent=2))

输出示例 #

运行代码后会得到符合需求的结构化结果：

{
  "transcript": [
    {
      "text": "Flat back, just got a little tight to him, he was wagging for it, set up for the slower ball and punished it.",
      "start": 0.0,
      "duration": 7.12
    },
    {
      "text": "The one's going straight down the ground.",
      "start": 7.12,
      "duration": 2.88
    },
    {
      "text": "And MS Daini just taking control.",
      "start": 10.0,
      "duration": 3.2
    }
  ]
}

注意：需确保你的OpenAI Python版本在v0.27.0及以上，该版本开始支持verbose_json响应格式。

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