Slack上にOpenAI社の文字起こし（speech to text）の音声認識モデルであるWhisperのAPIから文字起こしさせるスクリプト

whisper_slack.py

import os
import requests
from dotenv import load_dotenv
from slack_bolt import App
from slack_bolt.adapter.socket_mode import SocketModeHandler
import openai

load_dotenv()
app = App(token=os.environ["SLACK_BOT_TOKEN"])
openai.api_key = os.environ["OPENAI_API_KEY"]

@app.event("app_mention")
def whisper(event, say):
    if not ("files" in event):  # Check if message contains an attachment
        output = "ファイルが見つかりません。\n私はspeech to text AIです。以下、いずれかの形式のファイルを添付してください。\nmp3, mp4, mpeg, mpga, m4a, wav, webm"
    else:
        file = event["files"][0]
        filetype = file["filetype"]
        print("file type = " + filetype)  # for debug
        if filetype == "mp3" or filetype == "mp4" or filetype == "mpeg" or filetype == "m4a" or \
        filetype == "mpga" or filetype == "webm" or filetype == "wav":
            title = file["title"]
            url = file["url_private"]
            filename = "temp." + filetype
            print("音声ファイル発見: " + title)  # for debug
            resp = requests.get(url, headers={'Authorization': 'Bearer %s' % os.environ["SLACK_BOT_TOKEN"]})
            with open(filename, 'wb') as f:
                f.write(resp.content)
                print("ファイルオープン")  # for debug
            if os.path.getsize(filename) > 25000000:
                output = "ファイルサイズオーバー。ファイルサイズは25MBにしてください。"
            else:
                with open(filename, "rb") as audio_file:
                    language = "en" if "english" in event["text"].casefold() else "ja"  # メッセージにenglishが入っていたら英語音声とする
                    transcript = openai.Audio.transcribe("whisper-1", audio_file, language=language)
                output = f"文字起こし致しました：{title}.{filetype}\n----\n" + transcript["text"]
            os.remove(filename)
        else:
            output = "適合するファイルではありません。以下、いずれかの形式のファイルを添付してください。\nmp3, mp4, mpeg, mpga, m4a, wav, webm"
    thread_ts = event.get("thread_ts") or None
    channel = event["channel"]
    if thread_ts is not None:
        parent_thread_ts = event["thread_ts"]
        say(text=output, thread_ts=parent_thread_ts, channel=channel)
    else:
        say(text=output, channel=channel) 
    print(output)


if __name__ == "__main__":
    handler = SocketModeHandler(app, os.environ["SLACK_APP_TOKEN"])
    handler.start()