import os from flask import Flask, request, jsonify from flaskswaggerui import…
- User
import os from flask import Flask, request, jsonify from flask_swagger_ui import get_swaggerui_blueprint from transformers import pipeline import torch
class Config: MODEL_NAME = "openai/whisper-large-v3-turbo" BATCH_SIZE = 8 DEVICE = 0 if torch.cuda.is_available() else "cpu" TEMP_DIR = './temp_files'
Swagger configuration
SWAGGER_URL = '/swagger' API_URL = '/static/swagger.json' class TranscriptionService: def init(self, model_name=Config.MODEL_NAME): self.pipeline = pipeline( task="automatic-speech-recognition", model=model_name, chunk_length_s=30, device=Config.DEVICE, ) os.makedirs(Config.TEMP_DIR, exist_ok=True)
def transcribe_audio(self, audio_path, task="transcribe"): try: result = self.pipeline(audio_path, batch_size=Config.BATCH_SIZE, generate_kwargs={"task": task}, return_timestamps=True) return result['text'] except Exception as exc: raise RuntimeError(f"Error during transcription: {exc}")
@staticmethod def save_file(file): temp_file_path = os.path.join(Config.TEMP_DIR, file.filename) file.save(temp_file_path) return temp_file_path
@staticmethod def delete_file(file_path): if os.path.exists(file_path): os.remove(file_path) app = Flask(name) transcription_service = TranscriptionService()
@app.route('/transcribe', methods=['POST']) def transcribe_audio(): if 'file' not in request.files: return jsonify({'error': 'No file uploaded'}), 400
file = request.files['file'] file_path = transcription_service.save_file(file)
try: transcription = transcription_service.transcribe_audio(file_path) return jsonify({'transcription': transcription}) except Exception as e: return jsonify({'error': str(e)}), 500 finally: transcription_service.delete_file(file_path) Setup Swagger swaggerui_blueprint = get_swaggerui_blueprint( Config.SWAGGER_URL, Config.API_URL, config={ 'app_name': "Audio Transcription API" } )
app.register_blueprint(swaggerui_blueprint, url_prefix=Config.SWAGGER_URL)
if name == 'main': app.run(host='0.0.0.0', port=9091, debug=True)
Как мне добавить поддержек формата .m4a
- Assistant
Чтобы добавить поддержку формата
.m4aв ваш сервис транскрипции аудио, необходимо выполнить несколько шагов:-
Убедиться, что необходимые библиотеки установлены:
- pydub: Библиотека для обработки аудио файлов.
- ffmpeg: Внешняя зависимость, которая требуется для работы
pydubс различными форматами аудио.
-
Установить необходимые зависимости:
-
Установите
pydubчерезpip:pip install pydub -
Установите
ffmpeg. Инструкции зависят от вашей операционной системы:-
Для Ubuntu/Debian:
sudo apt update sudo apt install ffmpeg -
Для macOS с использованием Homebrew:
brew install ffmpeg -
Для Windows:
- Скачайте сборки
ffmpegс официального сайта. - Добавьте путь к
ffmpegв переменную окруженияPATH.
- Скачайте сборки
-
-
-
Изменить код для обработки
.m4aфайлов:Внесем изменения в класс
TranscriptionService, чтобы при получении файла.m4aон конвертировался в формат.wavперед передачей в транскрипционную модель.import os from flask import Flask, request, jsonify from flask_swagger_ui import get_swaggerui_blueprint from transformers import pipeline import torch from pydub import AudioSegment # Добавляем импорт pydub class Config: MODEL_NAME = "openai/whisper-large-v3-turbo" BATCH_SIZE = 8 DEVICE = 0 if torch.cuda.is_available() else "cpu" TEMP_DIR = './temp_files' # Swagger configuration SWAGGER_URL = '/swagger' API_URL = '/static/swagger.json' class TranscriptionService: def __init__(self, model_name=Config.MODEL_NAME): self.pipeline = pipeline( task="automatic-speech-recognition", model=model_name, chunk_length_s=30, device=Config.DEVICE, ) os.makedirs(Config.TEMP_DIR, exist_ok=True) def transcribe_audio(self, audio_path, task="transcribe"): try: result = self.pipeline(audio_path, batch_size=Config.BATCH_SIZE, generate_kwargs={"task": task}, return_timestamps=True) return result['text'] except Exception as exc: raise RuntimeError(f"Error during transcription: {exc}") @staticmethod def save_file(file): temp_file_path = os.path.join(Config.TEMP_DIR, file.filename) file.save(temp_file_path) # Проверяем расширение файла и конвертируем, если необходимо file_ext = os.path.splitext(temp_file_path)[1].lower() if file_ext == '.m4a': wav_file_path = os.path.splitext(temp_file_path)[0] + '.wav' audio = AudioSegment.from_file(temp_file_path, format='m4a') audio.export(wav_file_path, format='wav') os.remove(temp_file_path) # Удаляем исходный .m4a файл return wav_file_path return temp_file_path @staticmethod def delete_file(file_path): if os.path.exists(file_path): os.remove(file_path) app = Flask(__name__) # Исправлено name на __name__ transcription_service = TranscriptionService() @app.route('/transcribe', methods=['POST']) def transcribe_audio_route(): if 'file' not in request.files: return jsonify({'error': 'No file uploaded'}), 400 file = request.files['file'] file_path = transcription_service.save_file(file) try: transcription = transcription_service.transcribe_audio(file_path) return jsonify({'transcription': transcription}) except Exception as e: return jsonify({'error': str(e)}), 500 finally: transcription_service.delete_file(file_path) # Настройка Swagger swaggerui_blueprint = get_swaggerui_blueprint( Config.SWAGGER_URL, Config.API_URL, config={ 'app_name': "Audio Transcription API" } ) app.register_blueprint(swaggerui_blueprint, url_prefix=Config.SWAGGER_URL) if __name__ == '__main__': # Исправлено name на __name__ app.run(host='0.0.0.0', port=9091, debug=True) -
Объяснение внесенных изменений:
-
Импорт
AudioSegmentизpydub: Это позволяет загружать и конвертировать аудио файлы различных форматов. -
Метод
save_file:- Сначала сохраняется загруженный файл во временную директорию.
- Проверяется расширение файла. Если оно
.m4a, файл конвертируется в.wavс помощьюpydub. - Исходный
.m4aфайл удаляется, и возвращается путь к новому.wavфайлу. - Для остальных форматов возвращается исходный путь без изменений.
-
Корректировки в Flask-приложении:
- Исправлены ошибки в инициализации Flask-приложения и проверки
__name__.
- Исправлены ошибки в инициализации Flask-приложения и проверки
-
-
Дополнительные рекомендации:
-
Обработка различных аудио форматов: Вы можете расширить логику конвертации для поддержки большего количества форматов, определяя дополнительные условия в методе
save_file. -
Управление временными файлами: Убедитесь, что временные файлы всегда удаляются, даже если происходит ошибка во время конвертации или транскрипции. Это помогает избежать накопления ненужных файлов на сервере.
-
Валидация типов файлов: Рекомендуется добавить проверку расширений файлов, чтобы принимать только поддерживаемые форматы. Это повысит безопасность и стабильность сервиса.
-
-
Пример запроса к API:
Вы можете протестировать ваш API, отправив POST-запрос с файлом
.m4a:curl -X POST -F "file=@path_to_your_file/file.m4a" http://localhost:9091/transcribeУбедитесь, что вы заменили
path_to_your_file/file.m4aна фактический путь к вашему аудио файлу.
Эти изменения позволят вашему сервису принимать и обрабатывать
.m4aаудио файлы, конвертируя их в формат, который поддерживается моделью транскрипции. -