企业官网建设流程全解析

目录

一、核心模型整体介绍

二、ChatModel 文本对话模型（基础核心）

1. 工作原理

三、ImageModel 文生图模型

1. 工作原理

四、AudioModel 语音合成（文本转语音）

1. 工作原理

五、语音转文字模型（音频转文本，重点避坑）

1. 工作原理

2. 核心踩坑总结（必看）

3. 前置准备（必须操作）

六、总结

Spring AI Alibaba 是基于 Spring 生态封装的 AI 开发框架，完美适配阿里百炼 DashScope 大模型，屏蔽了底层复杂的 API 对接逻辑，让开发者可以快速实现文本对话、图片生成、语音合成、语音转文字四大核心多模态能力。

本文将从零讲解四大模型的核心原理、完整可运行代码，同时补充实战踩坑解决方案，适合新手快速上手 Spring AI 多模态开发。

一、核心模型整体介绍

Spring AI Alibaba 对不同 AI 能力做了高度抽象，提供四类核心模型，各司其职，接口统一、极简易用：

• ChatModel（文本对话模型）：基础文本交互，接收纯文本输入，返回格式化文本回复，是最基础的大模型能力。

• ImageModel（文生图模型）：以文生图，接收用户文本描述，AI 生成对应图片并返回图片公网地址。

• Audio 语音合成模型：文本转语音，输入文字，模型生成音频流，可直接下载保存为 MP3 文件。

• Audio 语音转文字模型：音频解析转写，上传音频文件，自动识别音频内容并输出文本，适配会议记录、语音笔记等场景。

二、ChatModel 文本对话模型（基础核心）

1. 工作原理

ChatModel 是 Spring AI 顶层统一对话接口，底层适配阿里通义千问系列大模型。接收前端传入的文本 Prompt，将请求转发至 DashScope 大模型，模型基于训练数据理解语义、生成回复，最终返回格式化文本结果。

package org.example.ai_demo.controller; import com.alibaba.cloud.ai.memory.redis.RedisChatMemoryRepository; import org.springframework.ai.chat.model.ChatModel; import org.springframework.ai.chat.model.ChatResponse; import org.springframework.ai.chat.prompt.Prompt; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RestController public class ChatModelController { // 自动注入底层 DashScope 对话模型实现 private final ChatModel chatModel; public ChatModelController(ChatModel chatModel){ this.chatModel = chatModel; } @RequestMapping("/chat2") public String chat2(String input){ // 封装Prompt并调用大模型 ChatResponse response = chatModel.call(new Prompt(input)); // 提取模型返回的文本内容 return response.getResult().getOutput().getText(); } }

三、ImageModel 文生图模型

1. 工作原理

ImageModel 专门用于图文生成，底层适配阿里万相大模型。接收用户图片描述文本，调用 DashScope 图像生成接口，异步生成图片后返回公网可访问的图片 URL，支持自定义图片尺寸、模型规格。

package org.example.ai_demo.controller; import org.springframework.ai.image.*; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RestController public class ImageModelControler { // 注入文生图模型 private final ImageModel imageModel; public ImageModelControler(ImageModel imageModel) { this.imageModel = imageModel; } @RequestMapping("/image") public String image(String input){ // 配置图像生成参数：模型、宽高 ImageOptions imageOptions = ImageOptionsBuilder .builder() .model("wanx2.1-t2i-turbo") .height(1024) .width(1024) .build(); // 封装绘图请求 ImagePrompt imagePrompt = new ImagePrompt(input, imageOptions); ImageResponse response = imageModel.call(imagePrompt); // 返回图片公网URL String url = response.getResult().getOutput().getUrl(); return url; } }

四、AudioModel 语音合成（文本转语音）

1. 工作原理

通过SpeechSynthesisModel实现文本转语音能力，输入任意中文/英文文本，模型自动合成标准人声语音，返回音频字节流，前端可直接下载为 MP3 格式文件。、

package org.example.ai_demo.controller; import com.alibaba.cloud.ai.dashscope.audio.synthesis.SpeechSynthesisModel; import com.alibaba.cloud.ai.dashscope.audio.synthesis.SpeechSynthesisPrompt; import com.alibaba.cloud.ai.dashscope.audio.synthesis.SpeechSynthesisResponse; import org.springframework.http.MediaType; import org.springframework.http.ResponseEntity; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RequestParam; import org.springframework.web.bind.annotation.RestController; import java.nio.ByteBuffer; @RestController public class AudioModelController { // 注入语音合成模型 private final SpeechSynthesisModel speechSynthesisModel; public AudioModelController(SpeechSynthesisModel speechSynthesisModel) { this.speechSynthesisModel = speechSynthesisModel; } @GetMapping("/synthesize") public ResponseEntity<byte[]> synthesize(@RequestParam("text") String text){ // 封装文本转语音请求 SpeechSynthesisPrompt prompt = new SpeechSynthesisPrompt(text); SpeechSynthesisResponse response = speechSynthesisModel.call(prompt); // 获取音频字节流 ByteBuffer audio = response.getResult().getOutput().getAudio(); byte[] audioBytes = new byte[audio.remaining()]; audio.get(audioBytes); // 响应MP3音频文件，支持浏览器直接下载 return ResponseEntity.ok() .contentType(MediaType.APPLICATION_OCTET_STREAM) .header("Content-Disposition", "attachment; filename=output.mp3") .body(audioBytes); } }

五、语音转文字模型（音频转文本，重点避坑）

1. 工作原理

基于sensevoice-v1模型，读取音频文件并智能识别语音内容，输出结构化文本。该模型为异步任务模型，也是实战踩坑最多的模块。

2. 核心踩坑总结（必看）

很多新手直接使用本地磁盘文件（FileSystemResource）调用接口，会直接报错spec is null空指针异常，根源：

• 旧版本 Spring AI Alibaba SDK不支持本地文件直传

• DashScope 语音转写接口仅支持公网可访问的 HTTPS 音频链接

• 临时签名 OSS 链接、私有权限 OSS 文件均无法识别，会提示「不支持该文件类型」

3. 前置准备（必须操作）

1. 打开阿里云 OSS 控制台，创建 Bucket；

2. 将 Bucket 读写权限设置为公共读；

3. 上传本地 MP3 文件，复制无签名永久公网 HTTPS 链接；

4. 链接可在浏览器直接播放/下载即为有效。

package org.example.ai_demo.controller; import com.alibaba.cloud.ai.dashscope.audio.DashScopeAudioTranscriptionModel; import com.alibaba.cloud.ai.dashscope.audio.DashScopeAudioTranscriptionOptions; import org.springframework.ai.audio.transcription.AudioTranscriptionPrompt; import org.springframework.core.io.UrlResource; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RestController; import java.net.MalformedURLException; @RestController public class AudioModelController2 { // 替换为你的OSS公共读MP3公网链接 private static final String AUDIO_URL_PATH = （你的公网地址） private final DashScopeAudioTranscriptionModel dashScopeAudioTranscriptionModel; public AudioModelController2(DashScopeAudioTranscriptionModel dashScopeAudioTranscriptionModel){ this.dashScopeAudioTranscriptionModel = dashScopeAudioTranscriptionModel; } @GetMapping("/audio") public String audio() throws MalformedURLException { // 加载公网音频资源 UrlResource resource = new UrlResource(AUDIO_URL_PATH); // 指定语音转写模型 AudioTranscriptionPrompt prompt = new AudioTranscriptionPrompt(resource, DashScopeAudioTranscriptionOptions.builder() .withModel("sensevoice-v1") .build()); // 返回转写后的文本 return dashScopeAudioTranscriptionModel.call(prompt).getResult().getOutput(); } }

六、总结

1.ChatModel：基础文本对话，开箱即用，无特殊环境要求；

2.ImageModel：文生图异步任务，需配置重试策略规避排队报错；

3.Audio 语音合成：文本转音频，直接返回文件流，无需第三方存储；

4.Audio 语音转文字：核心难点，必须使用OSS公共读公网链接，禁止本地文件、私有链接、临时签名链接。

Spring AI Alibaba 极大简化了多模态 AI 开发，掌握以上四大模型，即可快速实现聊天、绘图、语音合成、语音转写全场景 AI 应用。