Java 17 音频转写上传前校验：大小、MIME、超时与审计 ID

"上传录音，生成会议纪要"看似只有一个 API 调用，真实难点却在调用之前：文件是不是音频？大小是否符合接口限制？会议参与者是否同意？失败后怎么知道是哪一份文件，而又不把原始录音写进日志？本文给出一个 Java 17 最小入口：先做本地门禁、生成 SHA-256 审计 ID，再以带超时的 multipart 请求提交转写。它不会替你解决授权，但能防止工程上最常见的失控上传。

官方 File transcription 指南描述了音频文件转写接口及支持模型、文件要求。模型 ID、格式、单文件上限会变化，部署时请以该页为准；本文没有把猜测的限制写死，而是将业务上更保守的 20MB 上限暴露为常量。10 月 7 日的产品更新不是"录音可随便处理"的许可。语音常包含姓名、客户信息和商业秘密，最小化收集、告知和删除机制必须先于便利性。

flowchart LR F[选择已授权音频] --> V{扩展名、大小、可读?} V -- 否 --> R[本地拒绝] V -- 是 --> H[SHA-256 审计 ID] H --> M[multipart 转写请求] M --> T{HTTP 2xx?} T -- 是 --> S[保存文本与保留期] T -- 否 --> E[记录状态码，不记录录音]

环境准备

Java 17+，不需要第三方库。OPENAI_API_KEY 仅从环境变量读取。准备一段你拥有处理权的 meeting.m4a；请勿上传含未授权个人信息的文件。

bash 复制代码

export OPENAI_API_KEY='你的密钥'
javac AudioGate.java && java AudioGate meeting.m4a

完整代码

java 复制代码

import java.io.*; import java.net.URI; import java.net.http.*; import java.nio.file.*;
import java.security.MessageDigest; import java.time.Duration; import java.util.*;

public class AudioGate {
  static final long MAX_BYTES = 20L * 1024 * 1024; // 业务门槛，不宣称为 API 上限
  static String hex(byte[] b) { var s=new StringBuilder(); for(byte x:b)s.append(String.format("%02x",x)); return s.toString(); }
  static String auditId(Path p) throws Exception { return hex(MessageDigest.getInstance("SHA-256").digest(Files.readAllBytes(p))).substring(0,16); }
  static void validate(Path p) throws IOException {
    if (!Files.isRegularFile(p) || !Files.isReadable(p)) throw new IllegalArgumentException("文件不存在或不可读");
    String n=p.getFileName().toString().toLowerCase(Locale.ROOT);
    if (!(n.endsWith(".mp3")||n.endsWith(".mp4")||n.endsWith(".m4a")||n.endsWith(".wav")||n.endsWith(".webm")))
      throw new IllegalArgumentException("仅允许常见音频扩展名；上线按官方文档更新");
    if (Files.size(p) > MAX_BYTES) throw new IllegalArgumentException("文件超过本业务 20MB 门槛，请先切分");
  }
  static byte[] multipart(Path file, String boundary) throws IOException {
    String head="--"+boundary+"\r\nContent-Disposition: form-data; name=\"model\"\r\n\r\ngpt-4o-transcribe\r\n"
      +"--"+boundary+"\r\nContent-Disposition: form-data; name=\"file\"; filename=\"audio.bin\"\r\nContent-Type: application/octet-stream\r\n\r\n";
    ByteArrayOutputStream out=new ByteArrayOutputStream(); out.write(head.getBytes()); out.write(Files.readAllBytes(file));
    out.write(("\r\n--"+boundary+"--\r\n").getBytes()); return out.toByteArray();
  }
  public static void main(String[] args) throws Exception {
    if(args.length!=1) throw new IllegalArgumentException("用法: java AudioGate meeting.m4a");
    Path file=Path.of(args[0]); validate(file); String id=auditId(file), key=System.getenv("OPENAI_API_KEY");
    if(key==null||key.isBlank()) throw new IllegalStateException("缺少 OPENAI_API_KEY；审计ID="+id);
    String boundary="----AIGate"+UUID.randomUUID(); byte[] body=multipart(file,boundary);
    HttpRequest req=HttpRequest.newBuilder(URI.create("https://api.openai.com/v1/audio/transcriptions"))
      .timeout(Duration.ofSeconds(45)).header("Authorization","Bearer "+key)
      .header("Content-Type","multipart/form-data; boundary="+boundary).POST(HttpRequest.BodyPublishers.ofByteArray(body)).build();
    HttpResponse<String> r=HttpClient.newBuilder().connectTimeout(Duration.ofSeconds(10)).build().send(req,HttpResponse.BodyHandlers.ofString());
    if(r.statusCode()/100!=2) throw new RuntimeException("转写失败 HTTP="+r.statusCode()+" audit="+id);
    System.out.println("transcribed audit="+id+" response="+r.body().substring(0,Math.min(200,r.body().length())));
  }
}

成功时会输出 transcribed audit=... 和响应开头；日志只含不可逆短哈希，不含音频或全文。超时、4xx、5xx 会抛出异常并带审计 ID，便于重试与客服定位。示例未在本次任务中调用线上 API；本机无 Java Runtime，未进行编译。生产系统应使用流式 multipart，避免 readAllBytes 对大文件占用内存。

关键解释与错误清单

扩展名不是安全证明，所以真正的生产门禁还应检测 MIME、解码器可读性和时长；这里先用扩展名拦住最明显的误操作。SHA-256 截断 ID 用于关联事件，不应用作安全认证，更不能代替加密。45 秒是单请求预算，不是说长录音必然在 45 秒完成；若你切分音频，应将片段序号、原文件 ID 与合并规则一并保存。

常见错误包括：把密钥拼进命令行或日志，导致终端历史泄露；未检查 HTTP 状态就把错误 JSON 当转写文本；失败后盲目重试，重复上传敏感录音；认为"内部会议"天然已获得全部参与者同意。还要注意说话人归属、总结结论和原始转写不是同一事实层：模型的断句与术语可能错，重要决策必须回听原声或由参与者确认。

此方法适合内部纪要草稿、访谈初稿、客服质检等已完成授权与留存设计的场景。不适合秘密录音、未成年人敏感内容，或需要法律效力的逐字证据。工程化时加入对象存储的加密、最短保留期、删除任务、访问审计和幂等上传键；文本再进入摘要模型前也要做权限过滤。

转写质量要和使用目的绑定。会议检索更看重术语、项目代号和数字；客服质检更看重时间戳、频道和原片段追溯。不要让摘要覆盖原始转写，也不要把模型补出的说话人名称写成事实。失败恢复也要尊重隐私：文件哈希和会话 ID 可防重复上传，却不能作为公开标识。到期删除应覆盖原音频、转写、搜索索引和缓存；若组织无法回答谁能听到、保存多久、如何删除，就不应急于开放转写。

5 分钟实践题：为 validate 增加 Files.size(p)==0 的拒绝分支，并设计一条"不保存原音频、只保留经批准纪要"的删除流水线。会议参与者如何知道录音将被转写、保存多久，以及如何申请删除？

关注「蜗牛聊AI」，一起看懂技术变化背后的真正机会。

本文首发于 java4u.cn，转载请注明出处。