结论先行

1. Spring AI 在 2025-07 之后已提供 audio→text 统一抽象（AudioTranscriptionModel / AudioTranscriptionPrompt），可无缝对接 OpenAI Whisper、阿里 DashScope 等官方转录模型。

2. Kimi 目前只开放「文本对话」接口，没有公开「音频上传」或「语音识别」端点；因此 Spring AI 官方 starter 里暂无 KimiAudioTranscriptionModel，也无法把原始音频直接甩给 Kimi。

3. 折中做法：先拿 Spring AI 的 Whisper（或 DashScope）转录，再把文本发给 Kimi 做后续摘要/问答，即可在 Spring AI 框架内完成「语音→文字→Kimi」全链路。

1. Spring AI 语音转文字怎么用（已验证）

java

复制

// 0. 依赖（Spring AI 1.0.0-M3 之后）
implementation("org.springframework.ai:spring-ai-openai-spring-boot-starter")

// 1. 注入转录模型
@Autowired
lateinitvar transcriber: OpenAiAudioTranscriptionModel

// 2. 上传音频
val audio: Resource = ClassPathResource("test.m4a")
val prompt = AudioTranscriptionPrompt(
        audio,
        OpenAiAudioTranscriptionOptions.builder()
            .withModel("whisper-1")   // 可换成 dashscope 等
            .withLanguage("zh")       // 可选
            .build())
val text = transcriber.call(prompt).result.output
println(text)   // 你好，这是测试音频

上面代码在 2025-07 CSDN 实测通过；阿里版把 OpenAiAudioTranscriptionModel 换成 DashScopeAudioTranscriptionModel 即可。

1. Kimi 的实况

• 官方文档与社区 issue 截至 2025-08 仅提供 Chat Completions 接口，不支持上传音频文件。

• Spring AI 社区 starter（spring-ai-kimi）也只实现了 KimiChatModel，没有 KimiAudioTranscriptionModel 类。
  因此「直接把音频发给 Kimi」这条通路目前不存在。

1. 推荐落地方案（Spring AI 框架内）

语音文件 → Whisper/DashScope 转录 → 文本 → KimiChatModel 摘要/问答

全部用 Spring AI 提供的 Portable API 完成，后续若 Kimi 开放语音接口，只需换一道 TranscriptionModel 实现即可，业务代码零改动。

一句话总结
Spring AI 自身已经能「音频转文字」；但 Kimi 目前只接受文本，所以不能直接发音频给 Kimi。先用 Spring AI 的 Whisper/DashScope 转录，再把文字喂给 KimiChatModel，即可在 Spring 体系里完成整条链路。