💡 Заставляем C# говорить

OpenAI запустили универсальную аудио-модель, и теперь можно делать магию. Semantic Kernel уже умеет с ней работать, осталось только подключить и собрать что-то своё.

➖ Что для этого нужно:
• SemanticKernel
• HttpClient
• OpenAIAudioChatCompletionService (входит в SemanticKernel)

Пример на C#:

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using Microsoft.SemanticKernel.Audio;

// Конфиг
string apiKey = "sk-...";
string model = "gpt-4o";

// Создаем Kernel
var builder = Kernel.CreateBuilder();
builder.AddOpenAIChatCompletion(model, apiKey);

// Подключаем аудио-модель
builder.Services.AddOpenAIAudioChatCompletion(model, apiKey);
var kernel = builder.Build();

// Аудиофайл на вход (WAV или MP3)
var audioPath = "audio_input.wav";
var audioFile = new FileInfo(audioPath);

// Запускаем аудио-комплит
var audioChatService = kernel.GetRequiredService<IAudioChatCompletionService>();

var response = await audioChatService.GetAudioChatMessageContentAsync(
    new OpenAIAudioChatRequestSettings { ResponseFormat = AudioResponseFormat.MP3 },
    new AudioChatMessageContent(AuthorRole.User, audioFile)
);

// Сохраняем ответ в файл
await File.WriteAllBytesAsync("response.mp3", response.Audio);

Что происходит под капотом?
1. Модель GPT-4o получает аудиофайл

2. Распознаёт текст (ASR)

3. Генерирует ответ

4. Конвертирует его в речь

5. Возвращает MP3-ответ

💬 Уже придумали где применить? Админ бы заставил приложение ругаться на пользователя🧑‍💻 Делитесь своими идеями в комментариях 👇

➡️ Подробнее в блоге Microsoft

🐸Библиотека шарписта #буст