ok

app.py

@@ -1,4 +1,78 @@
 import streamlit as st
+from faster_whisper import WhisperModel
+from pyannote.audio import Pipeline
+import pyannote.core
+from collections import defaultdict
 
-x = st.slider('Select a value')
-st.write(x, 'squared is', x * x)
+# Función para asignar hablantes a segmentos de transcripción
+def assign_speakers_to_segments(diarization, transcription_segments):
+    speaker_segments = []
+
+    # Convertir diarización en un diccionario con los tiempos de inicio y fin de cada hablante
+    diarization_dict = defaultdict(list)
+    for segment, _, speaker in diarization.itertracks(yield_label=True):
+        diarization_dict[speaker].append((segment.start, segment.end))
+
+    for transcription_segment in transcription_segments:
+        start, end = transcription_segment.start, transcription_segment.end
+        speakers_count = defaultdict(float)
+
+        # Contar la duración de cada hablante dentro del segmento de transcripción
+        for speaker, times in diarization_dict.items():
+            for seg_start, seg_end in times:
+                # Calcular la intersección del tiempo de hablante con el segmento de transcripción
+                overlap_start = max(start, seg_start)
+                overlap_end = min(end, seg_end)
+                overlap_duration = max(0, overlap_end - overlap_start)
+                speakers_count[speaker] += overlap_duration
+
+        # Elegir el hablante con la mayor duración total en el segmento
+        if speakers_count:
+            speaker = max(speakers_count, key=speakers_count.get)
+        else:
+            speaker = "Unknown"
+
+        # Añadir el texto del segmento de transcripción y el hablante correspondiente
+        speaker_segments.append((speaker, transcription_segment.text))
+
+    return speaker_segments
+
+# Función principal de la aplicación Streamlit
+def main():
+    st.title("Aplicación de Diarización y Transcripción de Audio")
+
+    # Opción para cargar archivo de audio
+    audio_file = st.file_uploader("Cargar archivo de audio", type=['wav'])
+
+    if audio_file is not None:
+        # Guardar el archivo de audio cargado
+        with open("audio_temp.wav", "wb") as f:
+            f.write(audio_file.getbuffer())
+
+        # Cargar y ejecutar los modelos
+        speaker_segments = process_audio("audio_temp.wav")
+
+        # Mostrar los resultados
+        for speaker, text in speaker_segments:
+            st.write(f"Speaker {speaker}: {text}")
+
+# Función para procesar el audio
+def process_audio(audio_path):
+    # Cargar el modelo de diarización
+    pipeline = Pipeline.from_pretrained(
+        "pyannote/speaker-diarization-3.1",
+        use_auth_token="tu_token_aqui"
+    )
+
+    # Cargar el modelo de transcripción
+    model = WhisperModel("large-v3", device="cpu", compute_type="int8")
+
+    # Ejecutar la diarización y la transcripción
+    diarization = pipeline(audio_path)
+    segments, info = model.transcribe(audio_path)
+
+    # Asignar hablantes a segmentos de transcripción
+    return assign_speakers_to_segments(diarization, segments)
+
+if __name__ == "__main__":
+    main()