Update app.py

app.py

@@ -1,80 +1,115 @@
+import sounddevice as sd
+import numpy as np
+import torchaudio
 import gradio as gr
-import os
-from moviepy.editor import VideoFileClip
-import speech_recognition as sr
+from scipy.io.wavfile import write
 import noisereduce as nr
-import pydub
-
-def extract_audio(video_path):
-    """Extrae el audio del video y devuelve la ruta del archivo de audio."""
-    audio_path = "temp_audio.wav"
-    video = VideoFileClip(video_path)
-    audio = video.audio
-    audio.write_audiofile(audio_path)
-    audio.close()
-    video.close()
-    return audio_path
-
-def split_audio(audio_path, segment_duration=10):
-    """Divide el audio en segmentos más pequeños y devuelve la lista de rutas."""
-    audio = pydub.AudioSegment.from_wav(audio_path)
-    segments = []
-    for i in range(0, len(audio), segment_duration * 1000):
-        segment = audio[i:i + segment_duration * 1000]
-        segment_path = f'segment_{i // 1000}.wav'
-        segment.export(segment_path, format='wav')
-        segments.append(segment_path)
-    return segments
-
-def convert_audio_to_text(audio_path):
-    """Convierte el audio a texto utilizando SpeechRecognition."""
-    recognizer = sr.Recognizer()
-    with sr.AudioFile(audio_path) as source:
-        audio_data = recognizer.record(source)
-        # Reduce el ruido (ajusta según sea necesario)
-        audio_data = nr.reduce_noise(y=audio_data, sr=16000)
-        try:
-            text = recognizer.recognize_google(audio_data, language='es-ES')
-            return text
-        except sr.UnknownValueError:
-            return "[No se pudo reconocer el audio]"
-        except sr.RequestError:
-            return "[Error en la solicitud]"
-
-def generate_subtitles(video_path):
-    """Genera subtítulos a partir de un video."""
-    audio_path = extract_audio(video_path)
-    segments = split_audio(audio_path)
-    subtitles = []
-
-    for index, segment in enumerate(segments):
-        text = convert_audio_to_text(segment)
-        # Agregar el texto de cada segmento a la lista de subtítulos
-        subtitles.append((index * 10, (index + 1) * 10, text))  # Asumiendo segmentos de 10 segundos
-
-    # Generar el archivo de subtítulos SRT
-    srt_path = "subtitles.srt"
-    with open(srt_path, 'w') as f:
-        for i, (start, end, subtitle) in enumerate(subtitles):
-            f.write(f"{i + 1}\n")
-            f.write(f"00:00:{start:02},000 --> 00:00:{end:02},000\n")
-            f.write(f"{subtitle}\n\n")
-
-    # Limpiar los segmentos temporales
-    for segment in segments:
-        os.remove(segment)
-    os.remove(audio_path)
-
-    return srt_path
-
-# Crear la interfaz de Gradio
+import torch
+from torchaudio.pipelines import WAV2VEC2_ASR_BASE_960H
+from datetime import timedelta
+
+# Configuración
+duration = 5  # Duración de la grabación en segundos
+sample_rate = 44100  # Frecuencia de muestreo
+
+# Cargar el modelo de transcripción de voz
+bundle = WAV2VEC2_ASR_BASE_960H
+asr_model = bundle.get_model()
+labels = bundle.get_labels()
+
+def record_audio():
+    # Grabar audio
+    print("Grabando...")
+    audio = sd.rec(int(duration * sample_rate), samplerate=sample_rate, channels=1, dtype='float64')
+    sd.wait()  # Esperar a que termine la grabación
+    print("Grabación terminada.")
+    
+    # Guardar como archivo WAV
+    write('recorded_audio.wav', sample_rate, audio)
+    
+    return 'recorded_audio.wav'
+
+def transcribe_audio(file):
+    # Cargar el audio grabado
+    waveform, sample_rate = torchaudio.load(file)
+
+    # Reducir el ruido
+    reduced_noise = nr.reduce_noise(y=waveform.numpy()[0], sr=sample_rate)
+    
+    # Convertir de nuevo a tensor
+    reduced_waveform = torch.tensor(reduced_noise).unsqueeze(0)
+
+    # Asegurarse de que el audio está en la frecuencia de muestreo del modelo
+    if sample_rate != 16000:
+        resampler = torchaudio.transforms.Resample(orig_freq=sample_rate, new_freq=16000)
+        reduced_waveform = resampler(reduced_waveform)
+
+    # Realizar la transcripción usando el modelo de ASR
+    with torch.no_grad():
+        logits = asr_model(reduced_waveform)
+
+    # Obtener las predicciones de las etiquetas
+    predicted_ids = torch.argmax(logits, dim=-1)
+
+    # Convertir IDs a texto
+    transcription = ''.join([labels[i] for i in predicted_ids[0].tolist() if i < len(labels)])
+    
+    return transcription.strip()
+
+def format_as_srt(transcription):
+    # Dividir la transcripción en partes de ejemplo para los subtítulos
+    # Esto puede ajustarse según sea necesario para definir la duración de los subtítulos
+    words = transcription.split()
+    srt_output = []
+    start_time = 0
+    end_time = 0
+
+    for i, word in enumerate(words):
+        start_time = end_time
+        end_time = start_time + 1  # Duración fija de 1 segundo por palabra (ajustar según necesidad)
+        
+        # Formato SRT
+        srt_output.append(f"{i + 1}")
+        srt_output.append(f"{str(timedelta(seconds=start_time)).split('.')[0].replace(',', '.')},000 --> {str(timedelta(seconds=end_time)).split('.')[0].replace(',', '.')},000")
+        srt_output.append(f"{word}\n")
+
+    return ''.join(srt_output)
+
+def process_audio():
+    # Grabar audio y luego transcribir
+    audio_file = record_audio()
+    transcription = transcribe_audio(audio_file)
+    srt_content = format_as_srt(transcription)
+
+    # Guardar el contenido SRT en un archivo
+    with open('subtitles.srt', 'w') as f:
+        f.write(srt_content)
+
+    return transcription, 'subtitles.srt'
+
+# Crear ejemplos para la interfaz
+examples = [
+    ["Graba un saludo", "Hola, ¿cómo estás?"],
+    ["Graba una presentación", "Soy un apasionado de la programación."],
+    ["Graba una explicación", "El reconocimiento de voz es fascinante."],
+]
+
+# Crear la interfaz Gradio
 iface = gr.Interface(
-    fn=generate_subtitles,
-    inputs=gr.inputs.File(label="Sube tu video"),
-    outputs=gr.outputs.File(label="Descargar subtítulos"),
-    title="Generador de Subtítulos",
-    description="Convierte el audio de un video en subtítulos automáticamente."
+    fn=process_audio,
+    inputs=None,
+    outputs=["text", "file"],
+    title="🎤 Grabador de Audio y Transcriptor a Subtítulos SRT 📜",
+    description="👋 Bienvenido a nuestra aplicación de grabación y transcripción de audio a subtítulos. Graba tu voz y obtén la transcripción junto con un archivo SRT de subtítulos.",
+    examples=examples,
+    theme="default",
+    layout="vertical",
+    css="""
+    .title { color: #4A90E2; font-weight: bold; }
+    .description { font-size: 16px; color: #555; }
+    .footer { text-align: center; font-size: 12px; color: #777; }
+    """,
 )
 
-if __name__ == "__main__":
-    iface.launch()
+iface.launch()
+