Create audio_extractor.py

audio_extractor.py

@@ -0,0 +1,108 @@
+import logging
+import subprocess
+import os
+from pathlib import Path
+
+logging.basicConfig(level=logging.INFO)
+
+def extract_audio(video_url: str, identifier: str, output_dir: str = "temp_audio") -> str:
+    """
+    استخراج الصوت من فيديو باستخدام ffmpeg streaming
+    
+    Args:
+        video_url: رابط الفيديو من Internet Archive
+        identifier: معرف الفيديو
+        output_dir: مجلد حفظ الملفات المؤقتة
+    
+    Returns:
+        مسار ملف الصوت المستخرج
+    """
+    try:
+        # إنشاء المجلد لو مش موجود
+        Path(output_dir).mkdir(exist_ok=True)
+        
+        # مسار الملف النهائي
+        output_file = os.path.join(output_dir, f"{identifier}.mp3")
+        
+        # لو الملف موجود من قبل، نرجعه مباشرة (caching)
+        if os.path.exists(output_file):
+            logging.info(f"Audio file already exists: {output_file}")
+            return output_file
+        
+        logging.info(f"Extracting audio from: {video_url}")
+        
+        # أمر ffmpeg مع إعدادات محسّنة للسرعة
+        command = [
+            'ffmpeg',
+            '-y',  # Overwrite output file
+            '-i', video_url,  # Input video URL
+            '-vn',  # No video
+            '-acodec', 'libmp3lame',  # MP3 codec
+            '-ab', '64k',  # 64 kbps (خفيف ومناسب للكلام)
+            '-ar', '16000',  # 16 kHz sample rate (كافي للـ speech)
+            '-ac', '1',  # Mono (قناة واحدة)
+            '-threads', '2',  # استخدام 2 threads فقط
+            output_file
+        ]
+        
+        # تنفيذ الأمر مع timeout
+        logging.info("Running ffmpeg...")
+        result = subprocess.run(
+            command,
+            stdout=subprocess.PIPE,
+            stderr=subprocess.PIPE,
+            timeout=60  # Timeout بعد دقيقة
+        )
+        
+        if result.returncode != 0:
+            error_msg = result.stderr.decode('utf-8', errors='ignore')
+            logging.error(f"FFmpeg error: {error_msg}")
+            raise Exception(f"FFmpeg failed: {error_msg[:200]}")
+        
+        # التحقق من وجود الملف وحجمه
+        if not os.path.exists(output_file):
+            raise Exception("Audio file was not created")
+        
+        file_size = os.path.getsize(output_file)
+        file_size_mb = file_size / (1024 * 1024)
+        
+        logging.info(f"✅ Audio extracted successfully! Size: {file_size_mb:.2f} MB")
+        
+        return output_file
+        
+    except subprocess.TimeoutExpired:
+        logging.error("FFmpeg timeout - video too long")
+        raise Exception("Video too long for processing (max 1 minute)")
+    
+    except Exception as e:
+        logging.error(f"Error extracting audio: {e}")
+        # حذف الملف الناقص لو موجود
+        if os.path.exists(output_file):
+            try:
+                os.remove(output_file)
+            except:
+                pass
+        raise
+
+
+def cleanup_old_files(output_dir: str = "temp_audio", max_age_hours: int = 24):
+    """
+    حذف الملفات القديمة لتوفير المساحة
+    
+    Args:
+        output_dir: مجلد الملفات المؤقتة
+        max_age_hours: حذف الملفات الأقدم من هذا العدد من الساعات
+    """
+    try:
+        import time
+        current_time = time.time()
+        
+        for filename in os.listdir(output_dir):
+            filepath = os.path.join(output_dir, filename)
+            if os.path.isfile(filepath):
+                file_age_hours = (current_time - os.path.getmtime(filepath)) / 3600
+                if file_age_hours > max_age_hours:
+                    os.remove(filepath)
+                    logging.info(f"Deleted old file: {filename}")
+    except Exception as e:
+        logging.warning(f"Cleanup error: {e}")