audio_summarizer.py

import tkinter as tk
from tkinter import scrolledtext, messagebox, ttk
import threading
import os
import torch
import whisper
import google.generativeai as genai
from dotenv import load_dotenv
import logging
import json
from datetime import datetime
import glob
import re

# 환경 변수 로드
load_dotenv()

# --- 설정: .env 파일에서 API 키를 읽어옵니다 ---
GOOGLE_API_KEY = os.getenv("GOOGLE_API_KEY")

# logs 폴더 생성
if not os.path.exists("logs"):
    os.makedirs("logs")

# output 폴더 생성
if not os.path.exists("output"):
    os.makedirs("output")

# data 폴더 생성
if not os.path.exists("data"):
    os.makedirs("data")

# 로깅 설정
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(levelname)s - %(message)s',
    handlers=[
        logging.FileHandler('logs/stt_processor.log', encoding='utf-8'),
        logging.StreamHandler()
    ]
)
logger = logging.getLogger(__name__)

# -----------------------------------------

class STTProcessorApp:
    def __init__(self, root):
        self.root = root
        self.root.title("2인 대화 STT 처리기 (AI 화자 분리)")
        self.root.geometry("1000x750")

        # 모델 로딩 상태 변수
        self.models_loaded = False
        self.whisper_model = None
        self.gemini_model = None

        # UI 요소 생성
        self.main_frame = tk.Frame(root, padx=10, pady=10)
        self.main_frame.pack(fill=tk.BOTH, expand=True)

        # 제목
        title_label = tk.Label(self.main_frame, text="2인 대화 STT 처리기 (AI 화자 분리)", font=("Arial", 16, "bold"))
        title_label.pack(pady=5)

        # 설명
        desc_label = tk.Label(self.main_frame, text="Whisper STT + Gemini AI 화자 분리로 2명의 대화를 자동으로 구분합니다", font=("Arial", 10))
        desc_label.pack(pady=2)

        # WAV 파일 목록 프레임
        files_frame = tk.LabelFrame(self.main_frame, text="data 폴더의 WAV 파일 목록", padx=5, pady=5)
        files_frame.pack(fill=tk.BOTH, expand=True, pady=5)

        # 파일 목록과 스크롤바
        list_frame = tk.Frame(files_frame)
        list_frame.pack(fill=tk.BOTH, expand=True)

        scrollbar = tk.Scrollbar(list_frame)
        scrollbar.pack(side=tk.RIGHT, fill=tk.Y)

        self.file_listbox = tk.Listbox(list_frame, yscrollcommand=scrollbar.set, selectmode=tk.SINGLE)
        self.file_listbox.pack(side=tk.LEFT, fill=tk.BOTH, expand=True)
        scrollbar.config(command=self.file_listbox.yview)

        # 버튼 프레임
        button_frame = tk.Frame(self.main_frame)
        button_frame.pack(fill=tk.X, pady=5)

        self.refresh_button = tk.Button(button_frame, text="파일 목록 새로고침", command=self.refresh_file_list)
        self.refresh_button.pack(side=tk.LEFT, padx=5)

        self.process_button = tk.Button(button_frame, text="선택된 파일 처리", command=self.start_processing,
                                        state=tk.DISABLED)
        self.process_button.pack(side=tk.LEFT, padx=5)

        self.process_all_button = tk.Button(button_frame, text="모든 파일 처리", command=self.start_processing_all,
                                           state=tk.DISABLED)
        self.process_all_button.pack(side=tk.LEFT, padx=5)

        # 진행률 표시
        progress_frame = tk.Frame(self.main_frame)
        progress_frame.pack(fill=tk.X, pady=5)

        tk.Label(progress_frame, text="진행률:").pack(side=tk.LEFT)
        self.progress_var = tk.StringVar(value="대기 중")
        tk.Label(progress_frame, textvariable=self.progress_var).pack(side=tk.LEFT, padx=10)

        self.progress_bar = ttk.Progressbar(progress_frame, mode='determinate')
        self.progress_bar.pack(side=tk.RIGHT, fill=tk.X, expand=True, padx=10)

        # 상태 표시줄
        self.status_label = tk.Label(self.main_frame, text="준비 완료. Google API 키를 설정하고 '처리' 버튼을 누르세요.", bd=1,
                                     relief=tk.SUNKEN, anchor=tk.W)
        self.status_label.pack(side=tk.BOTTOM, fill=tk.X)

        # 결과 출력 영역
        result_frame = tk.LabelFrame(self.main_frame, text="처리 결과", padx=5, pady=5)
        result_frame.pack(fill=tk.BOTH, expand=True, pady=5)

        self.result_text = scrolledtext.ScrolledText(result_frame, wrap=tk.WORD, state=tk.DISABLED, height=15)
        self.result_text.pack(fill=tk.BOTH, expand=True)

        # 초기 파일 목록 로드
        self.refresh_file_list()

    def refresh_file_list(self):
        """data 폴더의 WAV 파일 목록을 새로고침합니다."""
        self.file_listbox.delete(0, tk.END)
        
        wav_files = glob.glob("data/*.wav")
        if wav_files:
            for file_path in wav_files:
                filename = os.path.basename(file_path)
                self.file_listbox.insert(tk.END, filename)
            self.process_button.config(state=tk.NORMAL)
            self.process_all_button.config(state=tk.NORMAL)
            logger.info(f"{len(wav_files)}개의 WAV 파일을 발견했습니다.")
        else:
            self.file_listbox.insert(tk.END, "WAV 파일이 없습니다. data 폴더에 WAV 파일을 넣어주세요.")
            self.process_button.config(state=tk.DISABLED)
            self.process_all_button.config(state=tk.DISABLED)
            logger.warning("data 폴더에 WAV 파일이 없습니다.")

    def update_status(self, message):
        """UI의 상태 메시지를 업데이트합니다."""
        self.status_label.config(text=message)
        self.root.update_idletasks()

    def update_progress(self, current, total, message=""):
        """진행률을 업데이트합니다."""
        if total > 0:
            progress = (current / total) * 100
            self.progress_bar.config(value=progress)
            if message:
                self.progress_var.set(f"{message} ({current}/{total})")
            else:
                self.progress_var.set(f"{current}/{total}")
        self.root.update_idletasks()

    def show_result(self, content):
        """결과 텍스트 영역에 내용을 표시합니다."""
        self.result_text.config(state=tk.NORMAL)
        self.result_text.insert(tk.END, content + "\n\n")
        self.result_text.see(tk.END)
        self.result_text.config(state=tk.DISABLED)

    def load_models(self):
        """필요한 AI 모델들을 로드합니다."""
        try:
            if not GOOGLE_API_KEY or GOOGLE_API_KEY == "your_google_api_key_here":
                messagebox.showerror("API 키 오류", ".env 파일에 올바른 Google AI API 키를 입력해주세요.")
                logger.error("Google API 키가 설정되지 않았습니다.")
                return False

            logger.info("모델 로딩을 시작합니다.")
            self.update_status("모델 로딩 중... (최초 실행 시 시간이 걸릴 수 있습니다)")

            # Whisper 모델 로딩
            self.update_status("음성 인식 모델(Whisper) 로딩 중...")
            logger.info("Whisper 모델 로딩을 시작합니다.")
            self.whisper_model = whisper.load_model("base")  # "small", "medium", "large" 등으로 변경 가능
            logger.info("Whisper 모델 로딩이 완료되었습니다.")

            # Gemini 모델 설정
            self.update_status("AI 화자 분리 모델(Gemini) 설정 중...")
            logger.info("Gemini 모델 설정을 시작합니다.")
            genai.configure(api_key=GOOGLE_API_KEY)
            # gemini-2.0-flash: 최신 Gemini 2.0 모델, 빠르고 정확한 처리
            self.gemini_model = genai.GenerativeModel('gemini-2.0-flash')
            logger.info("Gemini 2.0 Flash 모델 설정이 완료되었습니다.")

            self.models_loaded = True
            self.update_status("모든 모델 로딩 완료. 처리 준비 완료.")
            logger.info("모든 모델 로딩이 완료되었습니다.")
            return True
        except Exception as e:
            error_msg = f"모델을 로딩하는 중 오류가 발생했습니다: {e}"
            messagebox.showerror("모델 로딩 오류", error_msg)
            logger.error(error_msg)
            self.update_status("오류: 모델 로딩 실패")
            return False

    def start_processing(self):
        """선택된 파일 처리 시작."""
        selection = self.file_listbox.curselection()
        if not selection:
            messagebox.showwarning("파일 미선택", "처리할 파일을 선택해주세요.")
            return
        
        filename = self.file_listbox.get(selection[0])
        if filename == "WAV 파일이 없습니다. data 폴더에 WAV 파일을 넣어주세요.":
            return
            
        self.process_files([filename])

    def start_processing_all(self):
        """모든 파일 처리 시작."""
        wav_files = glob.glob("data/*.wav")
        if not wav_files:
            messagebox.showwarning("파일 없음", "data 폴더에 처리할 WAV 파일이 없습니다.")
            return
            
        filenames = [os.path.basename(f) for f in wav_files]
        self.process_files(filenames)

    def process_files(self, filenames):
        """파일 처리 시작."""
        # 모델이 로드되지 않았으면 먼저 로드
        if not self.models_loaded:
            if not self.load_models():
                return  # 모델 로딩 실패 시 중단

        # UI 비활성화 및 처리 스레드 시작
        self.refresh_button.config(state=tk.DISABLED)
        self.process_button.config(state=tk.DISABLED)
        self.process_all_button.config(state=tk.DISABLED)

        processing_thread = threading.Thread(target=self.process_audio_files, args=(filenames,))
        processing_thread.start()

    def process_audio_files(self, filenames):
        """백그라운드에서 여러 오디오 파일을 처리하는 메인 로직."""
        try:
            total_files = len(filenames)
            logger.info(f"{total_files}개의 파일 처리를 시작합니다.")
            
            for idx, filename in enumerate(filenames):
                file_path = os.path.join("data", filename)
                self.update_progress(idx, total_files, f"처리 중: {filename}")
                
                result = self.process_single_audio_file(file_path, filename)
                if result:
                    self.show_result(f"✅ {filename} 처리 완료")
                else:
                    self.show_result(f"❌ {filename} 처리 실패")
            
            self.update_progress(total_files, total_files, "완료")
            self.update_status("모든 파일 처리 완료!")
            logger.info("모든 파일 처리가 완료되었습니다.")

        except Exception as e:
            error_msg = f"파일 처리 중 오류가 발생했습니다: {e}"
            logger.error(error_msg)
            self.update_status(f"오류: {e}")
        finally:
            # UI 다시 활성화
            self.refresh_button.config(state=tk.NORMAL)
            self.process_button.config(state=tk.NORMAL)
            self.process_all_button.config(state=tk.NORMAL)

    def process_single_audio_file(self, file_path, filename):
        """단일 오디오 파일을 처리합니다."""
        try:
            logger.info(f"파일 처리 시작: {file_path}")
            base_name = os.path.splitext(filename)[0]
            
            # 1단계: Whisper로 음성 인식
            self.update_status(f"1/4: 음성 인식 진행 중: {filename}")
            logger.info(f"음성 인식 시작: {filename}")
            
            result = self.whisper_model.transcribe(file_path)
            full_text = result['text'].strip()
            
            if not full_text:
                logger.warning(f"파일 {filename}에서 텍스트를 추출할 수 없습니다.")
                return False
            
            # 2단계: Gemini로 화자 분리
            self.update_status(f"2/4: AI 화자 분리 진행 중: {filename}")
            logger.info(f"AI 화자 분리 시작: {filename}")
            
            speaker_separated_text = self.separate_speakers_with_gemini(full_text)
            
            # 3단계: 맞춤법 교정
            self.update_status(f"3/4: 맞춤법 교정 진행 중: {filename}")
            logger.info(f"맞춤법 교정 시작: {filename}")
            
            corrected_text = self.correct_spelling_with_gemini(speaker_separated_text)
            
            # 4단계: 결과 저장
            self.update_status(f"4/4: 결과 저장 중: {filename}")
            self.save_separated_conversations(base_name, full_text, speaker_separated_text, corrected_text, result)
            
            logger.info(f"파일 처리 완료: {filename}")
            return True

        except Exception as e:
            logger.error(f"파일 {filename} 처리 중 오류: {e}")
            return False

    def separate_speakers_with_gemini(self, text):
        """Gemini API를 사용하여 텍스트를 화자별로 분리합니다."""
        try:
            prompt = f"""
당신은 2명의 화자가 나누는 대화를 분석하는 전문가입니다. 
주어진 텍스트를 분석하여 각 발언을 화자별로 구분해주세요.

분석 지침:
1. 대화의 맥락과 내용을 기반으로 화자를 구분하세요
2. 말투, 주제 전환, 질문과 답변의 패턴을 활용하세요
3. 화자1과 화자2로 구분하여 표시하세요
4. 각 발언 앞에 [화자1] 또는 [화자2]를 붙여주세요
5. 발언이 너무 길 경우 자연스러운 지점에서 나누어주세요

출력 형식:
[화자1] 첫 번째 발언 내용
[화자2] 두 번째 발언 내용
[화자1] 세 번째 발언 내용
...

분석할 텍스트:
{text}
"""

            response = self.gemini_model.generate_content(prompt)
            separated_text = response.text.strip()
            
            logger.info("Gemini를 통한 화자 분리가 완료되었습니다.")
            return separated_text
            
        except Exception as e:
            logger.error(f"Gemini 화자 분리 중 오류: {e}")
            return f"[오류] 화자 분리 실패: {str(e)}"

    def correct_spelling_with_gemini(self, separated_text):
        """Gemini API를 사용하여 화자별 분리된 텍스트의 맞춤법을 교정합니다."""
        try:
            prompt = f"""
당신은 한국어 맞춤법 교정 전문가입니다. 
주어진 텍스트에서 맞춤법 오류, 띄어쓰기 오류, 오타를 수정해주세요.

교정 지침:
1. 자연스러운 한국어 표현으로 수정하되, 원본의 의미와 말투는 유지하세요
2. [화자1], [화자2] 태그는 그대로 유지하세요
3. 전문 용어나 고유명사는 가능한 정확하게 수정하세요
4. 구어체 특성은 유지하되, 명백한 오타만 수정하세요
5. 문맥에 맞는 올바른 단어로 교체하세요

수정이 필요한 예시:
- "치특기" → "치트키"
- "실점픽" → "실전 픽"  
- "복사부천억" → "복사 붙여넣기"
- "핵심같이가" → "핵심 가치가"
- "재활" → "재활용"
- "저정할" → "저장할"
- "플레일" → "플레어"
- "서벌 수" → "서버리스"
- "커리" → "쿼리"
- "전력" → "전략"
- "클라클라" → "클라크"
- "가인만" → "가입만"
- "M5U" → "MAU"
- "나온 로도" → "다운로드"
- "무시무치" → "무시무시"
- "송신유금" → "송신 요금"
- "10지가" → "10GB"
- "유금" → "요금"
- "전 색을" → "전 세계"
- "도무원은" → "도구들은"
- "골차품데" → "골치 아픈데"
- "변원해" → "변환해"
- "f 운영" → "서비스 운영"
- "오류추저개" → "오류 추적기"
- "f 늘려질" → "서비스가 늘어날"
- "캐시칭" → "캐싱"
- "플레이어" → "플레어"
- "업스테시" → "업스태시"
- "원시근을" → "웬지슨"
- "부각이릉도" → "부각들도"
- "컴포넌트" → "컴포넌트"
- "본이터링" → "모니터링"
- "번뜨기는" → "번뜩이는"
- "사용적 경험" → "사용자 경험"

교정할 텍스트:
{separated_text}
"""

            response = self.gemini_model.generate_content(prompt)
            corrected_text = response.text.strip()
            
            logger.info("Gemini를 통한 맞춤법 교정이 완료되었습니다.")
            return corrected_text
            
        except Exception as e:
            logger.error(f"Gemini 맞춤법 교정 중 오류: {e}")
            return separated_text  # 오류 발생 시 원본 반환

    def parse_separated_text(self, separated_text):
        """화자별로 분리된 텍스트를 파싱하여 구조화합니다."""
        conversations = {
            "화자1": [],
            "화자2": []
        }
        
        # 정규표현식으로 화자별 발언 추출
        pattern = r'\[화자([12])\]\s*(.+?)(?=\[화자[12]\]|$)'
        matches = re.findall(pattern, separated_text, re.DOTALL)
        
        for speaker_num, content in matches:
            speaker = f"화자{speaker_num}"
            content = content.strip()
            if content:
                conversations[speaker].append(content)
        
        return conversations

    def save_separated_conversations(self, base_name, original_text, separated_text, corrected_text, whisper_result):
        """화자별로 분리되고 맞춤법이 교정된 대화 내용을 파일로 저장합니다."""
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        
        # 교정된 텍스트에서 화자별 대화 파싱
        corrected_conversations = self.parse_separated_text(corrected_text)
        
        # 원본 화자별 대화 파싱 (비교용)
        original_conversations = self.parse_separated_text(separated_text)
        
        # 1. 전체 대화 저장 (원본, 화자 분리, 맞춤법 교정 포함)
        all_txt_path = f"output/{base_name}_전체대화_{timestamp}.txt"
        with open(all_txt_path, 'w', encoding='utf-8') as f:
            f.write(f"파일명: {base_name}\n")
            f.write(f"처리 시간: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n")
            f.write(f"언어: {whisper_result.get('language', 'unknown')}\n")
            f.write("="*50 + "\n\n")
            f.write("원본 텍스트:\n")
            f.write(original_text + "\n\n")
            f.write("="*50 + "\n\n")
            f.write("화자별 분리 결과 (원본):\n")
            f.write(separated_text + "\n\n")
            f.write("="*50 + "\n\n")
            f.write("화자별 분리 결과 (맞춤법 교정):\n")
            f.write(corrected_text + "\n")
        
        # 2. 교정된 화자별 개별 파일 저장
        for speaker, utterances in corrected_conversations.items():
            if utterances:
                speaker_txt_path = f"output/{base_name}_{speaker}_교정본_{timestamp}.txt"
                with open(speaker_txt_path, 'w', encoding='utf-8') as f:
                    f.write(f"파일명: {base_name}\n")
                    f.write(f"화자: {speaker}\n")
                    f.write(f"처리 시간: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n")
                    f.write(f"발언 수: {len(utterances)}\n")
                    f.write("="*50 + "\n\n")
                    
                    for idx, utterance in enumerate(utterances, 1):
                        f.write(f"{idx}. {utterance}\n\n")
        
        # 3. JSON 형태로도 저장 (분석용)
        json_path = f"output/{base_name}_data_{timestamp}.json"
        json_data = {
            "filename": base_name,
            "processed_time": datetime.now().isoformat(),
            "language": whisper_result.get("language", "unknown"),
            "original_text": original_text,
            "separated_text": separated_text,
            "corrected_text": corrected_text,
            "conversations_by_speaker_original": original_conversations,
            "conversations_by_speaker_corrected": corrected_conversations,
            "segments": whisper_result.get("segments", [])
        }
        
        with open(json_path, 'w', encoding='utf-8') as f:
            json.dump(json_data, f, ensure_ascii=False, indent=2)
        
        logger.info(f"결과 저장 완료: {all_txt_path}, {json_path}")
        logger.info(f"교정된 화자별 파일도 저장되었습니다.")


if __name__ == "__main__":
    root = tk.Tk()
    app = STTProcessorApp(root)
    root.mainloop()