經過前幾天的努力，我們的錄音功能已經成功建置完成。終於可以來介紹本次主題的另一個重點：ChatGPT。近年來，隨著AI的劇烈進展，特別是今年可以稱為生成式AI的元年，ChatGPT的誕生無疑進一步推動了AI語言模型的發展。這個強大的自然語言處理模型已成為許多創新應用的核心，從客服自動回答到創作輔助，它都展示了其無限潛力。在接下來的鐵人賽中，我們將會使用Whisper模型來實現語音轉文字並且搭配GPT模型來實現APP的英文對話核心功能，因此今天就讓我們先來了解GPT和Whisper API的使用方式吧！


注意！使用OpenAI提供的模型時，會產生一定的費用！

GPT-3.5和GPT-4

GPT-3.5和GPT-4模型都是由OpenAI開發的先進語言模型。這些模型透過大量的文本數據訓練，能夠理解和生成自然語言文本。ChatGPT則是建立在GPT-3.5和GPT-4模型架構之上。GPT-4模型可以看作是GPT-3.5模型的升級版，除了具有更多的參數和增強的穩定性，其Token數量也達到了GPT-3.5模型的2到8倍。由於Token數量的增加，模型能夠儲存的上下文對話記錄也相應增加，但這也意味著使用成本將會提高。以下是GPT API價格。

Whisper

Whisper模型則是一個專門為語音識別和語音翻譯設計的自動語音識別（ASR）系統。與其他語音轉文字系統不同，Whisper模型能夠透過其內建的神經網路技術，有效處理各種不同的口音、背景噪音和專業語言。以下是Open AI上Whisper API的價格。

API Key建立

在使用API之前，我們需要先申請OpenAI的帳號並設定好「信用卡」（以前新用戶有18美元的免費額度可用，現在好像只剩下5美元）。完成後，請在右上角的頭像中選擇「View API Keys」來查看相關密鑰。

在API keys頁面中，找到「Create new secret key」按鈕並點擊。接著輸入名稱後，就可以完成API Key的建立。請記得將這組Key記錄下來，以便後續使用。

GPT API測試

在理解API結構之前，我們可以先利用Postman工具來實際執行一次API請求。透過觀察和了解其回應內容，可以更深入的瞭解API。

Request

Request的主要參數有以下兩項：

• messages：這個參數包含了當前對話和歷史上的所有對話上下文。
• model：用於選擇模型，您可以選用GPT-3.5（gpt-3.5-turbo-0613）或GPT-4（gpt-4-0613）。

除了主要參數外，還有一些選用的參數可以設定：

• temperature：控制對話的隨機性，範圍為0到2。數值越高，輸出的隨機性也越高。我通常都設定在0.7左右。
• max_tokens：設定回答時最大的Token數量。若有特殊需求，例如價格考量或希望回答可以精簡的話可以設定。
• top_p：這個參數和temperature有類似的效果，也會影響到輸出的結果。
• stream：這是串流功能的參數，開啟後可以搭配Server Send Event達到和ChatGPT逐字稿打字的效果。

以上是比較常用到的參數，如有想了解其餘的參數設定，可以參考Open AI的API Reference文檔。

Response

• choices：這是回覆的聊天內容的主體，基本上我都直接使用choices[0].message.context來取得對話內容。
• usage：表示此次API所消耗的「提示」、「回答」和「合計」的Token數量。

我還記得當初在使用gpt-3.5-turbo-0301版本時，官方提到該版本不太關注系統消息（System Prompt）。然而，在0613版本發佈後，gpt-3.5-turbo開始關注系統消息，使得操作變得更加容易。有關此次更新的詳細資訊，可以參考Open AI官方的公告。

Whisper API測試

Whisper API提供了以下兩個API功能：

• transcriptions：此功能專門將音訊轉換為文字。
• translations：此功能將音訊翻譯成英語並轉換成文字。

在接下來的實作中，我們將主要集中在使用「transcriptions」功能。我們一樣先使用Postman工具實際進行一次API請求，並仔細觀察和了解回應的內容。

Request

Request中主要的參數：

• file：音訊檔案，接受的格式有「mp3」、「mp4」、「mpeg」、「mpga」、「m4a」、「wav」和「webm」。
• model：選擇的模型，固定為whipser-1。
• prompt：提示訊息。
• language：輸入音頻的語言，可以提升辨識度和減少延遲。

更多其他選用參數，請參考Open AI API Reference文檔。

Response

至於Whisper的Response則相對簡單，只有一個參數：

• text：這個參數代表語音轉文字的結果。

結語

今天，我們探索了GPT和Whisper API，並學習了如何使用它。其中，我覺得Whisper模型絕對值得大家細細品味。在測試它的過程中，我發現Whisper模型不僅能辨識我的「台式口音」、「破英文」和「中文」，甚至是簡單的「台語」，都能以驚人的精確度將語音轉化為文字，真的非常的厲害呢！也正因為Whisper模型的強大性能，它自然成為我在實作語音轉文字功能時的首選方案。



Github專案程式碼：Ionic結合ChatGPT - Day8