File size: 17,662 Bytes
86e2833 | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 | import glob
import queue
import sqlite3
import sys
import threading
import time
import uuid
from datetime import datetime
from pathlib import Path
from typing import Optional, Dict
import numpy as np
import pyaudio
import streamlit as st
import torch
from transformers import WhisperForConditionalGeneration, WhisperProcessor
# sys.path.append(str(Path(__file__).parents[1]))
# from app.DB_utils import Database
db_path = Path(__file__).parent.parent / "database" / "db_logsv2.db"
# bdd = Database(db_path=str(db_path))
db_sqlite = sqlite3.connect(db_path, check_same_thread=False)
cursor_db = db_sqlite.cursor()
class WhisperLiveTranscription:
def __init__(
self,
model_id: str = "openai/whisper-small",
language: str = "french",
blacklist: list = None,
):
"""
Instancie un objet WhisperLiveTranscription.
Args:
model_id (str, optional): Le nom du modèle whisper à utiliser.
language (str, optional): La langue supposée du flux audio.
blacklist (list, optional): Une liste de mots ou expressions
à ne pas renvoyer dans la transcription.
processor (WhisperProcessor): The WhisperProcessor object for pre-processing audio.
model (WhisperForConditionalGeneration): The WhisperForConditionalGeneration model for transcription.
is_running (bool): Whether the transcription is running or not.
language (str): The language of the transcription.
audio_queue (queue.Queue): The queue for storing audio chunks.
result_queue (queue.Queue): The queue for storing the transcription results.
transcription_queue (queue.Queue): The queue for retrieving the transcription results.
"""
# Le device utilisé, selon la disponibilité de CUDA
self.device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using device: {self.device}")
# L'objet WhisperProcessor pour le pre-process de l'audio
self.processor = WhisperProcessor.from_pretrained(model_id)
self.model = WhisperForConditionalGeneration.from_pretrained(model_id).to(
self.device
)
# Paramètres de configuration
# le format du flux (pyaudio)
self.FORMAT = pyaudio.paFloat32
# le nombre de canaux demandé par Whisper, ici 1 donc mono
self.CHANNELS = 1
# la frequence d'echantillonnage utilisée par Whisper, 16kHz
# Cela évite de devoir resampler l'audio (whipser le ferait, mais cela nécessite ffmpeg)
self.RATE = 16000
# la taille des chunks d'audio
self.CHUNK = 1024
# le temps du tampon audio
self.RECORD_SECONDS = 3
# le seuil de silence
self.SILENCE_THRESHOLD = 0.001
# Les queues pour stocker les données audio et les transcriptions
self.audio_queue = (
queue.Queue()
) # chunks audio après enregistrement et avant pré-traitement
self.result_queue = (
queue.Queue()
) # chunks audio pré-traités, prêts pour transcription
## // le pré-traitement n'a finalement pas été exploité dans cette version // ##
self.transcription_queue = (
queue.Queue()
) # texte et timestamp de la transcription
# Indicateur pour savoir si l'objet est en cours d'exécution
self.is_running = False
# La langue du flux audio
self.language = language
# liste pour stocker les données audio
self.audio_buffer = []
# initialisation du timer, pour flusher le buffer audio
# toutes les RECORD_SECONDS secondes (cf fonction _process_audio)
self.last_process_time = time.time()
# Liste de mots ou expressions à ne pas renvoyer dans la transcription
if blacklist is not None:
self.blacklist = blacklist
else:
self.blacklist = ["...", "Sous-titrage Société Radio-Canada", "Merci."]
def start_recording(self):
"""
Utilisée pour lancer l'enregistrement audio et la transcription.
Cette méthode démarre un flux PyAudio pour capturer l'entrée audio depuis
le périphérique d'entrée par défaut. Les données audio sont ensuite
traitées dans un thread séparé pour vérifier si le niveau audio dépasse
le seuil de silence. Si le niveau audio est supérieur au seuil, les
données sont ajoutées dans un buffer. Ce buffer est ensuite traité
dans un thread séparé pour générer une transcription.
La transcription est ensuite stockée dans une file d'attente pour être
récupérée. La méthode `get_transcription` peut ensuite être utilisée
pour récupérer la dernière transcription.
"""
# Initialisation du témoin d'exécution
self.is_running = True
# On utiliser PyAudio pour capturer l'audio
self.p = pyaudio.PyAudio()
def audio_callback(
in_data: bytes,
frame_count: int,
time_info: Dict[str, float],
status: int,
) -> tuple[bytes, int]:
"""
Fonction callback pour le flux PyAudio entrant.
(pyaudio demande tous les arguments même si ne les utilise pas)
Argument utilisé :
in_data (bytes) : Les données audio reçues du périphérique d'entrée.
Retour :
tuple[bytes, int] : Un tuple contenant les données audio originales et
un indicateur indiquant la continuité du flux.
Cette fonction est appelée par PyAudio pour chaque chunk audio reçu.
Elle convertit les données audio de bytes en tableau NumPy
et les place dans la file d'attente pour traitement.
"""
audio_data = np.frombuffer(in_data, dtype=np.float32)
self.audio_queue.put(audio_data)
return (in_data, pyaudio.paContinue)
# Définition du stream audio, raccordé au callback pyaudio
self.stream = self.p.open(
format=self.FORMAT,
channels=self.CHANNELS,
rate=self.RATE,
input=True,
frames_per_buffer=self.CHUNK,
stream_callback=audio_callback,
)
print("Recording started")
self.stream.start_stream()
self.process_thread = threading.Thread(target=self._process_audio)
self.transcribe_thread = threading.Thread(target=self._transcribe_audio)
self.process_thread.start()
self.transcribe_thread.start()
def _process_audio(self):
"""
Traite et met en mémoire tampon les données audio de la file d'attente.
Cette méthode récupère les morceaux audio de la file d'attente audio,
vérifie si le niveau audio dépasse le seuil de silence,
et si oui met les données audio en mémoire tampon.
Cette mémoire est constituée d'une liste "audio_buffer".
"""
# Boucle infinie, tant que l'objet instancié n'est pas arrêté
while self.is_running:
try:
raw_chunk = self.audio_queue.get(timeout=1)
audio_chunk = raw_chunk
# Si le niveau audio dépasse le seuil de silence,
# on met les données audio dans audio_buffer
if np.max(np.abs(audio_chunk)) > self.SILENCE_THRESHOLD:
self.audio_buffer.extend(audio_chunk)
# Quand on dépasse RECORD_SECONDS secondes d'enregistrement,
# on envoie le buffer audio pour transcription,
# et on le remet à zéro
current_time = time.time()
if current_time - self.last_process_time >= self.RECORD_SECONDS:
if self.audio_buffer:
# Récupération des données audio depuis le buffer
audio_data = np.array(self.audio_buffer)
# Cette queue sera ensuite traitée par le thread de transcription
self.result_queue.put(audio_data)
# RAZ du buffer
self.audio_buffer = []
# Mise à jour du timer
self.last_process_time = current_time
except queue.Empty:
continue
def _transcribe_audio(self):
"""
Méthode pour transcrire l'audio en texte.
Cette méthode s'exécute dans une boucle continue tant que le programme tourne ou que la file d'attente
n'est pas vide. Elle traite les données audio pour les convertir en texte via le modèle Whisper.
Le processus inclut:
- Récupération des données audio depuis la file d'attente
- Traitement et transcription via le modèle Whisper
- Sauvegarde de la transcription dans un fichier texte
- Ajout de la transcription à une file d'attente dédiée
La transcription est filtrée via une liste noire (blacklist) avant d'être sauvegardée ou transmise.
"""
while self.is_running or not self.result_queue.empty():
try:
audio_data = self.result_queue.get(timeout=1)
input_features = self.processor(
audio_data, sampling_rate=self.RATE, return_tensors="pt"
).input_features.to(self.device)
with torch.no_grad():
# torch.no_grad() est utilisé dans PyTorch pour désactiver temporairement
# le calcul du gradient, ce qui réduit la charge mémoire et accélère les calculs
# lors de l'inférence ou de l'évaluation de modèles.
predicted_ids = self.model.generate(
input_features,
language=self.language,
task="transcribe",
max_length=448,
no_repeat_ngram_size=3,
)
transcription = self.processor.batch_decode(
predicted_ids, skip_special_tokens=True
)[0]
timestamp = datetime.now().strftime("%H:%M:%S")
print(f"[{timestamp}] {transcription}")
# Déterminer l'id du prompt et de la session à utiliser
# cursor_db.execute(
# "SELECT session_id, id_origin FROM prompt ORDER BY id_prompt DESC LIMIT 1"
# )
# id_session, id_origin = cursor_db.fetchone()
# Déterminer le fichier texte à utiliser
files = sorted(glob.glob("transcription*.txt"))
filename = files[-1]
# On ajoute le contenu de la transaction à la table prompt
# timestamp = datetime.now().strftime("%H:%M:%S")
# if not any(
# item.lower() == transcription.lower() for item in self.blacklist
# ):
# print(f"DB {timestamp}: {transcription}")
# cursor_db.execute(
# "INSERT INTO prompt (id_prompt, session_id, id_origin, prompt, timestamp) VALUES (?, ?, ?, ?, ?)",
# (
# str(uuid.uuid4()),
# id_session,
# id_origin,
# transcription,
# timestamp,
# ),
# )
# db_sqlite.commit()
# On ajoute le contenu de la transcription dans le fichier texte,
# sauf si elle est composée d'un des éléments de la blacklist
with open(filename, "a", encoding="utf-8") as f:
if not any(item == transcription for item in self.blacklist):
f.write(f"{transcription}\n")
# On ajoute le contenu de la transcription dans la file,
# sauf si elle est composée d'un des éléments de la blacklist
if not any(item == transcription for item in self.blacklist):
self.transcription_queue.put(
{"text": transcription, "timestamp": timestamp}
)
except queue.Empty:
continue
except Exception as e:
print(f"Error during transcription: {e}")
continue
def get_transcription(
self, block: bool = False, timeout: Optional[float] = None
) -> Optional[Dict[str, str]]:
"""
Méthode utilisée pour récupérer la transcription depuis la file d'attente.
Paramètres :
- block (bool): Si True, on attend jusqu'à ce qu'une transcription soit disponible,
ou que le délai d'attente soit atteint.
- timeout (float or None): le délai d'attente maximum pour récupérer une transcription.
Ignoré si block est à False.
Renvoie :
- dict or None: un dico contenant le texte de la transcription et le timestamp.
"""
try:
if block:
return self.transcription_queue.get(block=True, timeout=timeout)
else:
return self.transcription_queue.get_nowait()
except queue.Empty:
return None
def stop_recording(self):
"""
Arrête l'enregistrement et le traitement des segments audio,
puis traite les segments audio restants dans la file d'attente.
Si le thread de transcription est toujours actif après 7 secondes,
on l'arrête quand même et un message d'avertissement est affiché.
"""
print("\nEn cours d'arrêt... Traitement des derniers segments audios...")
# Arrêt du stream audio et nettoyage PyAudio
if hasattr(self, "stream"):
self.stream.stop_stream()
self.stream.close()
if hasattr(self, "p"):
self.p.terminate()
if self.audio_buffer:
# S'il reste des données audio dans le buffer,
# on les place dans la queue pour les traiter
final_audio = np.array(self.audio_buffer)
self.result_queue.put(final_audio)
# arrêt des threads
self.is_running = False
# Traiter les derniers segments audio
while not self.audio_queue.empty():
chunk = self.audio_queue.get()
self.audio_buffer.extend(chunk)
if self.audio_buffer:
final_audio = np.array(self.audio_buffer)
self.result_queue.put(final_audio)
input_features = self.processor(
final_audio, sampling_rate=self.RATE, return_tensors="pt"
).input_features.to(self.device)
with torch.no_grad():
predicted_ids = self.model.generate(
input_features, language=self.language, task="transcribe"
)
final_transcription = self.processor.batch_decode(
predicted_ids, skip_special_tokens=True
)[0]
# Déterminer l'id du prompt et de la session à utiliser
# cursor_db.execute(
# "SELECT session_id, id_origin FROM prompt ORDER BY id_prompt DESC LIMIT 1"
# )
# id_session, id_origin = cursor_db.fetchone()
# On ajoute le contenu de la transaction à la table prompt
# timestamp = datetime.now().strftime("%H:%M:%S")
# if not any(
# item.lower() == final_transcription.lower() for item in self.blacklist
# ):
# print(f"DB {timestamp}: {final_transcription}")
# cursor_db.execute(
# "INSERT INTO prompt (id_prompt, prompt, session_id, id_origin, timestamp) VALUES (?, ?, ?, ?, ?)",
# (
# str(uuid.uuid4()),
# final_transcription,
# id_session,
# id_origin,
# timestamp,
# ),
# )
# db_sqlite.commit()
# Récupération du dernier fichier texte
files = sorted(glob.glob("transcription*.txt"))
filename = files[-1]
# # Ecriture dans le fichier texte
with open(filename, "a", encoding="utf-8") as f:
if not any(item == final_transcription for item in self.blacklist):
f.write(f"{final_transcription}\n")
if hasattr(self, "process_thread"):
self.process_thread.join()
if hasattr(self, "transcribe_thread"):
timeout = 7
self.transcribe_thread.join(timeout=timeout)
if self.transcribe_thread.is_alive():
print("Attenion, le dernier chunk audio n'a pas été transcrit")
print("Enregistrement et transcription arrêtés")
|