app.py

import gradio as gr
import whisper
import os
import tempfile
from pydub import AudioSegment
import subprocess

# Cargar modelo - "small" funciona mucho mejor que "base" para español
print("Cargando modelo Whisper...")
model = whisper.load_model("small")
print("Modelo cargado.")


def extract_audio_from_video(video_path):
    """Extrae audio de video usando ffmpeg"""
    audio_path = tempfile.mktemp(suffix='.wav')

    command = [
        'ffmpeg',
        '-i', video_path,
        '-vn',
        '-acodec', 'pcm_s16le',
        '-ar', '16000',
        '-ac', '1',
        '-y',
        audio_path
    ]

    result = subprocess.run(command, capture_output=True, text=True)
    if result.returncode != 0:
        raise Exception(f"Error extrayendo audio: {result.stderr}")

    return audio_path


def convert_to_wav(input_path):
    """Convierte cualquier audio a WAV 16kHz mono"""
    audio = AudioSegment.from_file(input_path)
    audio_path = tempfile.mktemp(suffix='.wav')
    audio = audio.set_frame_rate(16000).set_channels(1)
    audio.export(audio_path, format="wav")
    return audio_path


def transcribir_archivo(archivo):
    """Función principal de transcripción"""
    if archivo is None:
        yield "Por favor sube un archivo.", ""
        return

    archivos_temp = []

    try:
        extension = os.path.splitext(archivo)[1].lower()
        es_video = extension in ['.mp4', '.avi', '.mov', '.mkv', '.webm', '.mpg', '.mpeg']

        yield "Procesando archivo...", ""

        # Paso 1: obtener WAV limpio
        if es_video:
            yield "Extrayendo audio del video...", ""
            audio_path = extract_audio_from_video(archivo)
        else:
            yield "Convirtiendo audio a WAV...", ""
            audio_path = convert_to_wav(archivo)

        archivos_temp.append(audio_path)

        # Paso 2: verificar duración
        audio = AudioSegment.from_wav(audio_path)
        duracion_total = len(audio) / 1000
        yield f"Audio listo. Duración: {duracion_total:.1f}s. Iniciando transcripción...", ""

        # Paso 3: transcribir directamente con Whisper
        # Whisper maneja internamente audios largos (sliding window de 30s)
        # sin necesidad de dividir manualmente, lo que mejora la coherencia
        resultado = model.transcribe(
            audio_path,
            language="es",
            task="transcribe",
            fp16=False,        # Necesario en CPU (Hugging Face free tier)
            temperature=0,     # Más determinista, menos alucinaciones
            best_of=1,
            beam_size=5,
            verbose=False
        )

        texto_final = resultado["text"].strip()

        if not texto_final:
            yield "La transcripción quedó vacía. Verifica que el audio tenga voz clara.", ""
            return

        yield "¡Transcripción completada!", texto_final

    except Exception as e:
        yield f"Error: {str(e)}", ""

    finally:
        for temp_file in archivos_temp:
            try:
                if os.path.exists(temp_file):
                    os.remove(temp_file)
            except:
                pass


# Interfaz Gradio
with gr.Blocks(title="Transcriptor de Video/Audio") as demo:
    gr.Markdown("""
    # 🎙️ Transcriptor de Video y Audio
    Sube un video o archivo de audio y obtén la transcripción en español.
    
    **Formatos soportados:** MP4, AVI, MOV, MKV, MP3, WAV, M4A, OGG, WEBM
    """)

    with gr.Row():
        with gr.Column():
            archivo_input = gr.File(
                label="Sube tu video o audio",
                file_types=["video", "audio"]
            )
            btn_transcribir = gr.Button("🚀 Transcribir", variant="primary")

        with gr.Column():
            estado = gr.Textbox(label="Estado", interactive=False)
            resultado = gr.Textbox(
                label="Transcripción",
                lines=15,
                interactive=True,
                placeholder="La transcripción aparecerá aquí..."
            )

    btn_transcribir.click(
        fn=transcribir_archivo,
        inputs=archivo_input,
        outputs=[estado, resultado]
    )

if __name__ == "__main__":
    demo.launch()