app.py

"""
Transcrição de áudio — ZeroGPU Space

Envie um arquivo de áudio (mp3, wav, m4a, etc.) e transcreva com Whisper.
"""
import tempfile
from pathlib import Path
import gradio as gr

# ZeroGPU: decorator é no-op fora do HF
try:
    import spaces
except ImportError:
    class _Spaces:
        def GPU(self, fn=None, **kwargs):
            def decorator(f):
                return f
            return decorator(fn) if fn else decorator
    spaces = _Spaces()


def _fmt_tempo(segundos: float) -> str:
    """Formata segundos como MM:SS ou HH:MM:SS."""
    h = int(segundos // 3600)
    m = int((segundos % 3600) // 60)
    s = int(segundos % 60)
    if h > 0:
        return f"{h:01d}:{m:02d}:{s:02d}"
    return f"{m:01d}:{s:02d}"


@spaces.GPU(duration=180)
def transcrever(audio, modelo: str, idioma: str) -> str:
    """Transcreve áudio enviado com Whisper."""
    try:
        from faster_whisper import WhisperModel

        path = None
        if isinstance(audio, str) and audio and Path(audio).exists():
            path = str(audio)
        elif hasattr(audio, "name"):
            p = getattr(audio, "name", None)
            if p and Path(str(p)).exists():
                path = str(p)
        elif isinstance(audio, bytes) and audio:
            with tempfile.NamedTemporaryFile(suffix=".mp3", delete=False) as f:
                f.write(audio)
                path = f.name
        if not path:
            return "❌ Envie um arquivo de áudio."

        model = WhisperModel(modelo, device="cuda", compute_type="float16")
        lang = None if idioma == "Auto" else idioma.lower()

        segments, info = model.transcribe(
            path,
            language=lang,
            beam_size=5,
            vad_filter=True,
        )

        resultado = []
        for seg in segments:
            resultado.append({
                "start": seg.start,
                "end": seg.end,
                "text": seg.text.strip(),
            })

        # Timestamp + parágrafos: [MM:SS] texto, linha em branco quando pausa > 1.5s
        PAUSA_PARAGRAFO = 1.5
        linhas = []
        prev_end = 0
        for s in resultado:
            if not s["text"]:
                continue
            if prev_end > 0 and (s["start"] - prev_end) > PAUSA_PARAGRAFO:
                linhas.append("")  # linha em branco = novo parágrafo
            ts = _fmt_tempo(s["start"])
            linhas.append(f"[{ts}] {s['text']}")
            prev_end = s["end"]
        texto = "\n".join(linhas)
        if not texto:
            return "⚠️ Nenhum texto transcrito (áudio sem fala?)."

        return f"Idioma detectado: {info.language}\n\n{texto}"

    except Exception as e:
        return f"❌ Erro: {type(e).__name__}: {e}"


MODELOS = ["tiny", "base", "small", "medium", "large-v3"]
IDIOMAS = ["Auto", "pt", "en", "es", "fr"]

with gr.Blocks(
    title="Transcrição de áudio",
    theme=gr.themes.Soft(),
) as demo:
    gr.Markdown("# 🎙️ Transcrição de áudio")
    gr.Markdown(
        "Envie um arquivo de áudio (mp3, wav, m4a, webm, etc.) e transcreva com Whisper. "
        "**ZeroGPU** — processamento gratuito na nuvem."
    )

    with gr.Row():
        audio = gr.File(
            label="Áudio",
            file_types=[".mp3", ".wav", ".m4a", ".webm", ".opus", ".ogg", ".flac"],
        )
    with gr.Row():
        modelo = gr.Dropdown(
            label="Modelo Whisper",
            choices=MODELOS,
            value="small",
            info="small = bom equilíbrio; large-v3 = mais preciso (mais lento)",
        )
        idioma = gr.Dropdown(
            label="Idioma",
            choices=IDIOMAS,
            value="Auto",
        )

    btn = gr.Button("Transcrever", variant="primary")

    saida = gr.Textbox(
        label="Transcrição",
        lines=15,
        max_lines=30,
    )

    btn.click(
        fn=transcrever,
        inputs=[audio, modelo, idioma],
        outputs=saida,
    )

    gr.Markdown("---")
    gr.Markdown(
        "A transcrição pode levar 1–2 min para iniciar (fila da GPU)."
    )

demo.launch(show_error=True, share=True)