app.py

import os
import subprocess
import shutil
import speech_recognition as sr
import traceback
import wave
import contextlib
import gradio as gr
import tempfile
from pathlib import Path
import asyncio

# ================== Core Functions ==================

def find_ffmpeg():
    """Finds FFmpeg executable in system PATH."""
    ffmpeg_path = shutil.which('ffmpeg')
    if ffmpeg_path:
        return ffmpeg_path
    raise FileNotFoundError("FFmpeg não encontrado. O Space precisa ter FFmpeg instalado.")

def get_audio_duration(wav_path):
    """Get the duration of a WAV file in seconds"""
    try:
        with contextlib.closing(wave.open(wav_path, 'r')) as f:
            return f.getnframes() / float(f.getframerate())
    except Exception as e:
        raise RuntimeError(f"Erro ao obter duração do áudio: {str(e)}")

def convert_audio(input_path, ffmpeg_path):
    """Converts any audio file to WAV format for processing."""
    try:
        if not os.path.exists(input_path):
            raise FileNotFoundError(f"Arquivo de áudio não encontrado: {input_path}")

        output_path = input_path + "_converted.wav"
        
        command = [
            ffmpeg_path,
            "-y", "-i", input_path,
            "-vn", "-acodec", "pcm_s16le",
            "-ar", "16000", "-ac", "1",
            "-hide_banner", "-loglevel", "error",
            output_path
        ]

        result = subprocess.run(command, capture_output=True, text=True, timeout=300)
        if result.returncode != 0:
            raise RuntimeError(f"Falha na conversão: {result.stderr}")

        if not os.path.exists(output_path):
            raise FileNotFoundError("Arquivo convertido não foi criado")

        return output_path

    except Exception as e:
        raise RuntimeError(f"Erro ao converter áudio: {str(e)}")

def transcribe_chunk(chunk_path, language, recognizer, attempt=0):
    """Transcribes a single audio chunk with retry logic"""
    try:
        with sr.AudioFile(chunk_path) as source:
            audio_data = recognizer.record(source)
            return recognizer.recognize_google(audio_data, language=language)
    except sr.UnknownValueError:
        if attempt < 2:
            return transcribe_chunk(chunk_path, language, recognizer, attempt + 1)
        return "[Áudio não compreendido]"
    except sr.RequestError as e:
        if attempt < 2:
            return transcribe_chunk(chunk_path, language, recognizer, attempt + 1)
        return f"[Erro na API: {str(e)}]"

def transcribe_audio(audio_path, language='pt-BR', progress_callback=None):
    """Transcribes audio file with progress updates"""
    recognizer = sr.Recognizer()
    recognizer.energy_threshold = 300
    recognizer.dynamic_energy_threshold = True

    temp_chunks = []
    full_transcript = []

    try:
        duration = get_audio_duration(audio_path)
        chunk_size = 30  # seconds
        total_chunks = int(duration // chunk_size) + 1

        for i in range(total_chunks):
            chunk_path = f"temp_chunk_{i}.wav"
            temp_chunks.append(chunk_path)

            # Extract chunk using ffmpeg
            result = subprocess.run([
                "ffmpeg", "-y",
                "-ss", str(i * chunk_size),
                "-t", str(chunk_size),
                "-i", audio_path,
                "-ac", "1", "-ar", "16000",
                "-loglevel", "error", chunk_path
            ], capture_output=True, text=True)

            if result.returncode != 0:
                raise RuntimeError(f"Erro ao extrair chunk: {result.stderr}")

            # Transcribe chunk
            transcript = transcribe_chunk(chunk_path, language, recognizer)
            full_transcript.append(transcript)

            # Update progress
            if progress_callback:
                progress = (i + 1) / total_chunks
                progress_callback(progress, f"Transcrevendo parte {i+1}/{total_chunks}")

        return " ".join(full_transcript)

    except Exception as e:
        raise RuntimeError(f"Erro durante transcrição: {str(e)}")
    finally:
        # Clean up temp files
        for chunk in temp_chunks:
            if os.path.exists(chunk):
                try:
                    os.remove(chunk)
                except:
                    pass

async def process_audio(audio_file, language, progress=gr.Progress()):
    """Main processing function for Gradio interface"""
    try:
        # Validate inputs
        if audio_file is None:
            return "Por favor, selecione um arquivo de áudio.", None
        
        progress(0, desc="🔍 Verificando FFmpeg...")
        
        # Find FFmpeg
        try:
            ffmpeg_path = find_ffmpeg()
        except FileNotFoundError as e:
            return f"❌ Erro: {str(e)}", None

        # Create temporary directory for processing
        with tempfile.TemporaryDirectory() as temp_dir:
            temp_audio_path = os.path.join(temp_dir, "audio_input")
            shutil.copy(audio_file, temp_audio_path)
            
            progress(0.1, desc="🔄 Convertendo áudio...")
            
            # Convert if needed
            audio_ext = Path(audio_file).suffix.lower()
            if audio_ext not in ['.wav']:
                progress(0.2, desc="🎵 Convertendo para WAV...")
                converted_path = convert_audio(temp_audio_path, ffmpeg_path)
                audio_to_transcribe = converted_path
            else:
                audio_to_transcribe = temp_audio_path

            progress(0.3, desc="📝 Preparando transcrição...")
            
            # Transcribe with progress updates
            def update_progress(pct, msg):
                progress(0.3 + (pct * 0.7), desc=msg)
            
            transcript = transcribe_audio(
                audio_to_transcribe, 
                language, 
                progress_callback=update_progress
            )
            
            progress(1.0, desc="✅ Transcrição concluída!")
            
            # Prepare output filename
            original_name = Path(audio_file).stem
            output_filename = f"{original_name}_transcricao.txt"
            
            # Save to temporary file for download
            temp_output = tempfile.NamedTemporaryFile(mode='w', suffix='.txt', delete=False, encoding='utf-8')
            temp_output.write(transcript)
            temp_output.close()
            
            # Return results
            return transcript, temp_output.name

    except Exception as e:
        error_msg = f"❌ Erro durante o processamento: {str(e)}"
        print(traceback.format_exc())
        return error_msg, None

# ================== Gradio Interface ==================

def create_interface():
    """Creates the Gradio interface"""
    
    with gr.Blocks(
        title="Transcrição de Áudio",
        theme=gr.themes.Soft(),
        css="""
        .gradio-container {
            max-width: 900px !important;
        }
        .success-box {
            border: 1px solid #4CAF50;
            background-color: #E8F5E8;
            padding: 10px;
            border-radius: 5px;
            margin: 10px 0;
        }
        .warning {
            color: #ff9800;
            font-weight: bold;
        }
        .header {
            text-align: center;
            margin-bottom: 20px;
        }
        """
    ) as interface:
        
        gr.Markdown(
            """
            <div class="header">
            <h1>🎙️ Transcrição de Áudio</h1>
            <p>Faça a transcrição de arquivos de áudio para texto usando reconhecimento de fala</p>
            </div>
            """
        )
        
        with gr.Row():
            with gr.Column(scale=1):
                # Input section
                with gr.Group():
                    gr.Markdown("### 📁 Entrada de Áudio")
                    audio_input = gr.Audio(
                        label="Selecione o arquivo de áudio",
                        type="filepath",
                        sources=["upload"],
                        interactive=True
                    )
                
                with gr.Group():
                    gr.Markdown("### 🌐 Configurações")
                    language_radio = gr.Radio(
                        choices=[
                            ("Português (Brasil)", "pt-BR"),
                            ("Inglês (EUA)", "en-US"),
                            ("Espanhol", "es-ES"),
                            ("Francês", "fr-FR"),
                            ("Alemão", "de-DE")
                        ],
                        value="pt-BR",
                        label="Idioma do Áudio",
                        info="Selecione o idioma falado no áudio"
                    )
                
                transcribe_btn = gr.Button(
                    "🎯 Transcrever Áudio",
                    variant="primary",
                    size="lg",
                    scale=1
                )
            
            with gr.Column(scale=2):
                # Output section
                with gr.Group():
                    gr.Markdown("### 📝 Resultado da Transcrição")
                    transcript_output = gr.Textbox(
                        label="Texto Transcrito",
                        placeholder="A transcrição aparecerá aqui...",
                        lines=12,
                        max_lines=20,
                        show_copy_button=True,
                        autoscroll=True
                    )
                
                with gr.Group():
                    gr.Markdown("### 💾 Download")
                    download_output = gr.File(
                        label="Baixar Transcrição",
                        file_count="single",
                        height=100
                    )
        
        # Examples section
        with gr.Accordion("📚 Exemplos de Uso", open=False):
            gr.Markdown("""
            **Formatos suportados:** MP3, WAV, M4A, FLAC, AAC, OGG, WMA
            
            **Dicas para melhor qualidade:**
            - Use áudios com boa qualidade e pouco ruído de fundo
            - Arquivos com voz clara e pausadas têm melhor reconhecimento
            - Para áudios longos, o sistema divide automaticamente em partes
            """)
        
        # Processing info
        with gr.Accordion("ℹ️ Informações Técnicas", open=False):
            gr.Markdown("""
            **Como funciona:**
            1. O áudio é convertido para formato WAV (se necessário)
            2. Arquivos longos são divididos em partes de 30 segundos
            3. Cada parte é transcrita usando Google Speech Recognition
            4. As transcrições são combinadas no resultado final
            
            **Tecnologias utilizadas:**
            - Gradio 5.49.1 para interface web
            - SpeechRecognition para reconhecimento de fala
            - FFmpeg para processamento de áudio
            - Google Speech Recognition API
            
            **Limitações:**
            - Requer conexão com internet
            - Qualidade depende da clareza do áudio
            - Limitações da API gratuita do Google
            - Timeout para arquivos muito longos
            """)
        
        # Event handlers
        transcribe_btn.click(
            fn=process_audio,
            inputs=[audio_input, language_radio],
            outputs=[transcript_output, download_output],
            show_progress="full",
            api_name="transcribe"
        )
        
        # Clear outputs when new audio is selected
        def clear_outputs():
            return "", None
        
        audio_input.change(
            fn=clear_outputs,
            outputs=[transcript_output, download_output]
        )

    return interface

# ================== Main Execution ==================

def main():
    """Main function to launch the Gradio interface"""
    print("🚀 Iniciando aplicação de transcrição de áudio...")
    print(f"📦 Versão do Gradio: {gr.__version__}")
    
    try:
        # Test FFmpeg availability
        ffmpeg_path = find_ffmpeg()
        print(f"✅ FFmpeg encontrado em: {ffmpeg_path}")
        
        # Test speech recognition
        recognizer = sr.Recognizer()
        print("✅ SpeechRecognition configurado")
        
    except Exception as e:
        print(f"⚠️ Aviso na inicialização: {str(e)}")
    
    # Launch interface
    interface = create_interface()
    interface.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=False,
        show_error=True,
        favicon_path=None,
        inbrowser=False
    )

if __name__ == "__main__":
    main()