Créer des transcriptions d'appels clients

Systèmes multimodaux avec l'API d'OpenAI

James Chapman

Curriculum Manager, DataCamp

Introduction de l'étude de cas

Image d'un clavardeur automatisé

Ingénieur(e) en IA chez DataCamp
Traite les messages vocaux
Clavardeur de soutien à la clientèle vocal

Équipe de soutien à la clientèle chez DataCamp

Introduction de l'étude de cas

Image d'un clavardeur automatisé

Introduction de l'étude de cas

Étape : transcrire l'audio

Introduction de l'étude de cas

Étape : détecter la langue

Introduction de l'étude de cas

Étape : traduire en anglais

Introduction de l'étude de cas

Étape : générer une réponse

Introduction de l'étude de cas

Étape : répondre dans la langue d'origine

Introduction de l'étude de cas

Étape : modération

Plan de l'étude de cas

Transcrire l'audio en texte
Détecter la langue
Traduire en anglais
Raffiner le texte

Étape : traduire en anglais

Étape 1 : transcrire l'audio

from openai import OpenAI

client = OpenAI(api_key="ENTER YOUR KEY HERE")

# Open the mp3 file
audio_file = open("recording.mp3", "rb")

# Create a transcript
response = client.audio.transcriptions.create(
                  model="whisper-1", 
                  file=audio_file)

Étape 1 : transcrire l'audio

# Extract and print the transcript
transcript = response.text
print(transcript)

Transcription en ukrainien

Étape 2 : détecter la langue

response = client.chat.completions.create(
    model="gpt-4o-mini",
    max_completion_tokens=5,

    messages=[{"role": "user", 
        "content": f"""Identify the language of the following text and respond 
         only with the country code (e.g., 'en', 'uk', 'fr'): {transcript}"""}])


# Extract detected language
language = response.choices[0].message.content
print(language)

uk

Étape 3 : traduire en anglais

response = client.chat.completions.create(
    model="gpt-4o-mini",
    max_completion_tokens=300,
    messages=[
        {"role": "user", "content": f"""Translate this customer transcript
        from country code {language} to English: {transcript}"""}])

# Extract translated text
translated_text = response.choices[0].message.content

Étape 3 : traduire en anglais

print(translated_text)

Texte traduit – brut

Étape 3 : traduire en anglais

print(translated_text)

Texte traduit (en surbrillance) – brut

Étape 4 : raffiner le texte

response = client.chat.completions.create(
    model="gpt-4o-mini",
    max_completion_tokens=300,
    messages=[
    {"role": "user", 
     "content": f"""You are an AI assistant that corrects transcripts by fixing 
     misinterpretations, names, and terminology. Please refine the following
     transcript:\n\n{translated_text}"""}])

# Extract corrected text
corrected_text = response.choices[0].message.content

Étape 4 : raffiner le texte

print(corrected_text)

Texte corrigé (en surbrillance)

Récapitulatif

Audio transcrit
Langue détectée et texte traduit
Texte raffiné

Quatre appels à l'API d'OpenAI ⭐

Transcription en ukrainien

Texte traduit (en surbrillance) – brut

Texte corrigé (en surbrillance)

Passons à la pratique !

Systèmes multimodaux avec l'API d'OpenAI