微控制器调用Whisper API遇Socket限制及请求错误排查

问题背景 #

微控制器上运行Whisper本地模型速度过慢，计划改用OpenAI Whisper API，但现有SDK仅支持Socket通信，调用时返回「缺少file字段」的验证错误，而GPT-3.5-turbo API可正常调用。需解决两个核心问题：

• 适配Socket通信调用Whisper API
• 修复Whisper API请求参数错误

错误原因分析 #

Whisper音频转录/翻译API与GPT类API的请求规则存在本质差异：

1. 请求格式要求不同：Whisper API必须使用multipart/form-data格式上传音频文件，而非GPT API的application/json格式
2. 参数错误：
   • 错误使用audio字段传递音频，API必填字段为file
   • 额外添加了无效的type参数，该参数不属于Whisper API的合法参数
   • API URL存在多余斜杠（https://api.openai.com//v1/...），虽多数场景可自动兼容，但需修正为规范格式
   • 若需求是语音转录（同语言转文字），应使用/v1/audio/transcriptions接口而非translations（翻译接口）

解决方案与修正代码 #

适配后的Socket版本代码 #

## Socket版本（适配Whisper API）############################################################
import requests
import json
import os

#### API密钥
with open('OPENAI_API_KEY', 'rb') as f:
    OPENAI_API_KEY = json.load(f)['key'][0]

# 修正API URL：去掉多余斜杠，根据需求选择接口
# 转录（同语言转文字）用transcriptions，翻译（其他语言转英文）用translations
url = "https://api.openai.com/v1/audio/transcriptions"

# 代理
proxy = os.environ.get("HTTPS_PROXY")

# 请求头：无需指定Content-Type，requests会自动处理multipart/form-data格式
headers = {
    "Authorization": f"Bearer {OPENAI_API_KEY}"
}

# 构造multipart/form-data格式的请求体
files = {
    "file": ("sample.mp3", open("sample.mp3", "rb"), "audio/mpeg"),
    "model": (None, "whisper-1")
}

# 发送请求
response = requests.post(
    url=url,
    headers=headers,
    files=files,
    proxies={'https': proxy}
)

# 输出结果
result = response.json()
print(json.dumps(result, indent=2, ensure_ascii=False))

关键改动说明 #

• 请求格式切换：放弃JSON格式，改用multipart/form-data通过files参数直接上传音频字节流，无需base64编码
• 参数修正：
  • 用file字段传递音频文件，替换原错误的audio字段
  • 移除无效的type参数
  • 将model参数作为form-data的一部分传递
• URL修正：去掉URL中的多余斜杠，确保接口地址规范
• 请求头简化：无需手动指定Content-Type，requests库会自动生成正确的multipart/form-data头信息

验证说明 #

运行修正后的代码后，Whisper API将正常处理音频文件并返回结果，格式示例如下：

{
  "text": "这是音频中的文字内容示例"
}

内容的提问来源于stack exchange，提问作者mogmol