Spaces:
Running
Running
File size: 4,869 Bytes
41979e6 918bb30 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 41979e6 0e902f8 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 |
import torch
import whisper
from typing import Dict, Any, Optional
import os
from preprocessing import clean_audio
from diarization import diarize_segments
from medical_terms import load_turkish_medical_terms
from advanced_term_correction import MedicalTermCorrector
from config import settings
class MedicalASR:
def __init__(self, config: Dict[str, Any]):
"""
Tıbbi konuşma tanıma için ASR modülü
Args:
config: Yapılandırma parametreleri
- language: Dil kodu (örn. "tr")
- model: Kullanılacak model adı
- domain: Alan adı (tıp için "medical")
"""
self.config = config
self.language = config.get("language", "tr")
self.model_name = config.get("model", "whisper-large-v3")
# CUDA kullanılabilirse tercih et
self.device = "cuda" if torch.cuda.is_available() else "cpu"
# Modeli yükle
self.model = whisper.load_model(self.model_name, device=self.device)
# Türkçe tıbbi terim sözlüğü
self.medical_terms = load_turkish_medical_terms()
# Gelişmiş terim düzeltici
self.term_corrector = MedicalTermCorrector(self.medical_terms)
def _load_medical_terms(self) -> Dict[str, str]:
"""Türkçe tıbbi terim sözlüğünü yükler"""
# Örnek: Bu fonksiyon bir dosyadan ya da veritabanından tıbbi terimleri yükleyebilir
return {
"ateş": "ateş",
"hipertansiyon": "hipertansiyon",
"miyokard infarktüsü": "miyokard infarktüsü",
# ... daha fazla tıbbi terim
}
def transcribe(self, audio_file: str, speaker_diarization: bool = True, enhance_audio: bool = True) -> Dict[str, Any]:
"""
Ses dosyasını transkribe eder
Args:
audio_file: Ses dosyasının yolu
speaker_diarization: Konuşmacı diyarizasyonu yapılsın mı
enhance_audio: Ses iyileştirme yapılsın mı
Returns:
Transkripsiyon sonuçları
"""
# 1. Ses iyileştirme (optional)
if enhance_audio:
processed_file = clean_audio(audio_file)
else:
processed_file = audio_file
# 2. Transkripsiyon
transcribe_options = {
"language": self.language,
"task": "transcribe",
"beam_size": 5, # Daha geniş arama ile alternatif kelimeleri değerlendir
"best_of": 5, # En iyi sonucu seç
"temperature": 0, # Deterministik sonuçlar için
"initial_prompt": "Çocuk doktoru vizitesi, pediatri uzmanı, çocuk hastalıkları, yenidoğan" # Modele ipucu ver
}
result = self.model.transcribe(processed_file, **transcribe_options)
# 3. Tıbbi terimleri düzelt
corrected_text = self._correct_medical_terms(result["text"])
result["text"] = corrected_text
# 4. Diyarizasyon isteniyorsa ekle
if speaker_diarization:
segments = diarize_segments(processed_file)
# Basit bir yaklaşım: Segmentlerin zaman etiketlerini kullanarak
# Whisper'ın döndürdüğü segmentleri konuşmacılara atayabiliriz
if "segments" in result:
whisper_segments = result["segments"]
# Her bir diyarizasyon segmenti için
for diar_seg in segments:
# Whisper segmentlerinden hangilerinin bu diyarizasyon segmentinde
# olduğunu bulalım
for whisper_seg in whisper_segments:
w_start = whisper_seg["start"]
w_end = whisper_seg["end"]
# Zaman aralıkları çakışıyorsa
if (diar_seg["start"] <= w_end and diar_seg["end"] >= w_start):
if not diar_seg["text"]:
diar_seg["text"] = whisper_seg["text"]
else:
diar_seg["text"] += " " + whisper_seg["text"]
result["diarization"] = segments
return result
def _correct_medical_terms(self, text: str) -> str:
"""Transkribe edilmiş metindeki tıbbi terimleri düzeltir"""
# Gelişmiş düzelticiyi kullan
return self.term_corrector.correct_text(text)
# Basit dosya transkripsiyon fonksiyonu
def transcribe_file(file_path: str) -> str:
# Bu fonksiyon eski API için burada bırakıldı
_model = whisper.load_model(settings.ASR_MODEL)
result = _model.transcribe(file_path)
return result.get('text', '').strip() |