开源逆向Codex APP语音接口，打造兼容Whisper的ASR工具

背景

在 AI 应用生态中，语音转文字（ASR）是提升交互效率的关键环节。ChatGPT 的 Codex APP 内置了一个便捷的语音输入功能，但该功能仅对通过官方渠道登录（ChatGPT 账号或 OpenAI API Key）的用户开放，且未直接暴露为通用的 OpenAI Whisper API。对于希望利用 Codex APP 中高质量 ASR 能力，但又不想依赖第三方中转 Provider 或希望复用本地已登录账号的用户来说，缺乏一个标准化的调用接口是一个痛点。

此外，微信语音等常见音频格式（如 .silk）在直接上传至通用 ASR 服务时往往存在兼容性障碍。针对这一需求，开发者 Wangnov 逆向工程了 Codex APP 的后端语音转录接口，并开源了一款名为 codex-asr 的工具。该项目旨在将这一私有接口封装为易于使用的 CLI 工具、Rust Crate 以及兼容 OpenAI Whisper 风格的本地 REST API，从而让用户能够以更低成本、更高稳定性地获取高质量的语音转写服务。

核心内容

codex-asr 是一个基于 Rust 开发的开源工具，其核心原理是逆向分析 Codex APP 的语音输入流程。当用户在 Codex APP 中点击语音输入时，应用会将录音上传至后端接口 https://chatgpt.com/backend-api/transcribe 并返回转写文本。该接口并非标准的 OpenAI Whisper API，而是 Codex APP 内部使用的后端服务，但其底层质量被认为基于 Whisper 技术，且稳定性较高。

项目提供了多种使用形态，以适应不同场景的需求：

1. Rust CLI 工具：支持直接在命令行中运行，例如 codex-asr audio.wav，即可将本地音频文件上传并获取文本结果。
2. Rust Crate：提供库文件，方便其他 Rust 项目直接集成调用。
3. 本地 REST Server：通过 codex-asr serve 启动本地服务，暴露兼容 OpenAI Whisper 风格的 API 接口。这使得原本依赖 Whisper API 的应用（如龙虾等客户端）只需修改 base_url 即可接入此服务。
4. 微信语音预处理：针对微信语音常见的 .silk 格式，项目集成了对 rust-silk（另一个开源项目）的调用。codex-asr 会先调用外部解码器将 .silk 转换为 WAV 格式，再上传至 Codex 接口。

在鉴权机制上，codex-asr 默认读取本机 Codex 的认证文件（$CODEX_HOME/auth.json 或 ~/.codex/auth.json），复用用户已登录的 ChatGPT 账号 Token。用户也可以手动传入 Access Token 进行鉴权。为了安全起见，本地服务默认绑定 127.0.0.1，并要求设置本地 API Key，严禁将未保护的服务暴露至公网。

安装方式多样，支持 Homebrew、cargo-binstall、cargo install、GitHub Release 安装脚本、Docker (GHCR) 以及直接下载二进制文件。支持的音频格式包括 WAV PCM、MP3、M4A/MP4 AAC、FLAC、Ogg Opus、WebM Opus 等。需要注意的是，由于上游接口限制，该服务不支持返回带时间戳的 SRT 或 VTT 格式。

关键要点

• 接口逆向与复用：项目逆向了 Codex APP 的内部转录接口 https://chatgpt.com/backend-api/transcribe，实现了非官方但高质量的语音转写能力，且无需依赖第三方中转 Provider。
• Whisper 兼容层：通过封装 REST API，模拟 OpenAI Whisper 的接口风格（支持 POST /v1/audio/transcriptions 等路由），使得现有支持 Whisper 格式的客户端和脚本可以无缝迁移或试用。
• 多形态交付：提供 CLI、Rust Crate、本地 Server 三种主要形态，兼顾了开发者集成、脚本自动化调用以及桌面端应用对接的需求。
• 微信语音支持：内置对 .silk/.slk 格式的预处理支持，通过调用 rust-silk 解码器解决微信语音格式不兼容问题，扩展了适用场景。
• 高并发稳定性：作者进行了并发压测，显示在 96 并发下服务依然稳定，证明了其作为免费（或订阅制）ASR 替代方案的可行性。
• 安全警示：
  • 默认使用本地认证文件，不主动刷新或写入 Auth 信息。
  • 默认绑定 localhost，强制要求本地 API Key 鉴权。
  • 严禁将服务暴露至公网，若需 Docker 部署，建议使用 Caddy 等反向代理并配置 HTTPS 及应用层鉴权。
• 局限性：不支持返回时间戳（SRT/VTT），因为上游接口本身不提供该信息；仅支持通过官方渠道登录的账号，中转 Provider 账号无法使用此功能。

意义与影响

codex-asr 的出现为 AI 开发者和个人用户提供了一种低成本、高稳定性的 ASR 解决方案。对于拥有 ChatGPT 订阅服务的用户而言，该工具使得 Codex APP 中优质的语音转写能力得以被更广泛地复用，打破了应用间的壁垒。

从技术生态角度看，该项目展示了逆向工程在填补 API 空白方面的实用价值。通过构建兼容层，它成功将封闭的内部接口转化为开放的、标准化的服务，降低了其他应用接入高质量 ASR 的门槛。同时，项目对微信语音格式的专门处理，也体现了对特定区域用户习惯的细致考量。

然而，该项目也带来了潜在的安全风险。由于依赖于用户的个人登录 Token，若部署不当（如暴露公网），可能导致账号被盗用或产生意外的 API 调用费用。因此，作者在文档中反复强调安全配置的重要性，这也提醒了社区在使用此类逆向工具时，必须严格遵循最小权限原则和本地化部署规范。总体而言，这是开源社区利用现有资源优化工作流的一个典型案例，丰富了 Codex 周边的工具生态。