main.py

"""
Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro

Speech-to-Text
==============
Este script (main.py) Grava sua fala e depois a transcreve.
Para Gravar pressiono 'r' e 'q' para terminar a gravação e 
juntar os trechos de áudios.

OBS: Eu só consegui executar este script como usuário root devido à biblioteca keyboard. ---> ImportError: You must be root to use this library on linux.
====

Link de estudo:

* https://platform.openai.com/docs/guides/speech-to-text
"""
import pyaudio
import openai
import wave
import keyboard
import os


# Substitua sua chave de API OpenAI:
import openai
import os
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv()) # read local .env file
openai.api_key  = os.environ['OPENAI_API_KEY']


# Configurar parâmetros de gravação de áudio:
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
CHUNK = 1024
RECORD_SECONDS = 5

# Inicializar PyAudio:
audio = pyaudio.PyAudio()

# Iniciar contador de gravação:
recording_counter = 1

# Definir função de retorno de chamada (callback) para lidar com stream de áudio:
def callback(in_data, frame_count, time_info, status):
    """
    The callback function to handle the audio stream.

    :parâmetro in_data: dados de áudio.
    :parâmetro frame_count: O número de Frames.
    :parâmetro time_info: a dictionary of time information.
    :parâmetro status: the status of the stream.
    :return: a tuple of the audio data and a flag to indicate whether to continue the stream.
    """
    frames.append(in_data)
    return (in_data, pyaudio.paContinue)

# criar ouvinte de evento de teclado:
def on_press(event):
    """
    The function to handle the keyboard events.

    :param event: the keyboard event.
    """
    global recording, frames, stream, WAVE_OUTPUT_FILENAME, recording_counter
    if event.name == 'r':
        if not recording:
            # Iniciar a Gravação:
            recording = True
            frames = []

            WAVE_OUTPUT_FILENAME = f"output_{recording_counter}.wav"
            recording_counter += 1

            stream = audio.open(format=FORMAT, channels=CHANNELS,
                                rate=RATE, input=True,
                                frames_per_buffer=CHUNK,
                                stream_callback=callback)
            stream.start_stream()

            print("A gravação começou")
        else:
            # pare de gravar e salve o arquivo de áudio:
            recording = False
            stream.stop_stream()
            stream.close()

            waveFile = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
            waveFile.setnchannels(CHANNELS)
            waveFile.setsampwidth(audio.get_sample_size(FORMAT))
            waveFile.setframerate(RATE)
            waveFile.writeframes(b''.join(frames))
            waveFile.close()

            print("A Gravação terminou")

# inicializar flag de gravação e transmitir:
recording = False
stream = None
frames = None

# start keyboard event listener:
keyboard.on_press(on_press)

# mantenha o programa em execução até que o usuário pressione a tecla "q" para sair:
while True:
    if keyboard.is_pressed('q'):
        # Combinar todos os arquivos de áudio em um:
        print("Combining audio files...")
        with wave.open("output.wav", "wb") as outfile:
            for i in range(1, recording_counter):
                with wave.open(f"output_{i}.wav", "rb") as infile:
                    if i == 1:
                        outfile.setparams(infile.getparams())
                    outfile.writeframes(infile.readframes(infile.getnframes()))

        # Transcrever o áudio usando OpenAI API:
        audio_file= open("output.wav", "rb")
        transcript = openai.Audio.transcribe("whisper-1", audio_file, language="pt") 
        print(transcript["text"])

        break

# Lançar recursos PyAudio:
audio.terminate()

# Deletar arquivos de áudio individuais:
for i in range(1, recording_counter):
    os.remove(f"output_{i}.wav")