Update app.py

app.py

@@ -1,13 +1,168 @@
-import gradio as gr
+!pip install pysrt
 
-def greet(name):
-    return f"{name} 你好！"
+import google.generativeai as genai
+import pysrt
+import re
+import os
+import csv
+from google.colab import files
 
-iface = gr.Interface(
-    fn=greet,
-    inputs=gr.Textbox(placeholder="請輸入你的名字..."),
-    outputs=gr.Textbox(placeholder="回覆..."),
-    title="簡單的問候語程式"
-)
+# 1. 配置 Gemini API - 使用者輸入金鑰
+while True:
+    api_key = input("請輸入您的 Google Gemini API 金鑰: ")
+    if api_key:
+      try:
+        genai.configure(api_key=api_key)
+        model = genai.GenerativeModel('gemini-1.5-flash') # 測試金鑰是否正確
+        print("API 設定完成！")
+        break
+      except Exception as e:
+        print(f"API 金鑰錯誤，請重新輸入: {e}")
+    else:
+        print("請輸入 API 金鑰")
 
-iface.launch()
+
+# 解析 SRT 檔案
+def parse_srt(srt_path):
+    try:
+        subs = pysrt.open(srt_path, encoding='utf-8')
+        srt_data = {}
+        for sub in subs:
+            srt_data[sub.index] = {"time": str(sub.start) + " --> " + str(sub.end), "text": sub.text}
+        return srt_data
+    except Exception as e:
+        print(f"解析字幕檔案錯誤: {e}")
+        return None
+
+# 2. 使用者介面上傳逐字稿檔案
+print("請上傳逐字稿檔案 (TXT 格式)")
+uploaded_transcript_file = files.upload()
+if uploaded_transcript_file:
+    test_transcript_file = list(uploaded_transcript_file.keys())[0]
+else:
+    print("沒有上傳任何檔案，請重新執行")
+    exit()
+
+# 檢查測試用逐字稿檔案是否存在
+if not os.path.exists(test_transcript_file):
+    print(f"錯誤: 找不到逐字稿檔案: {test_transcript_file}，請確認您已上傳該檔案")
+else:
+    with open(test_transcript_file, 'r', encoding='utf-8') as f:
+        transcript_content = f.read()
+
+    # 預處理逐字稿
+    def preprocess_transcript(transcript):
+        # 移除 SSML 標籤
+        transcript = re.sub(r'<[^>]*?>', '', transcript)
+        # 移除多個連續空格
+        transcript = re.sub(r'\s+', ' ', transcript)
+        # 移除所有換行符號
+        transcript = transcript.replace('\n','')
+        # 移除文字前後的空白
+        transcript = transcript.strip()
+        return transcript
+    # 使用預處理函數處理逐字稿
+    transcript_content = preprocess_transcript(transcript_content)
+
+    # 3. 使用者介面上傳口語稿檔案
+    print("請上傳口語稿檔案 (SRT 格式)")
+    uploaded_oral_file = files.upload()
+    if uploaded_oral_file:
+        test_srt_file = list(uploaded_oral_file.keys())[0]
+    else:
+        print("沒有上傳任何檔案，請重新執行")
+        exit()
+
+    # 檢查測試用 srt 檔案是否存在
+    if not os.path.exists(test_srt_file):
+        print(f"錯誤: 找不到口語稿檔案: {test_srt_file}，請確認您已上傳該檔案")
+    else:
+        srt_data = parse_srt(test_srt_file)
+
+        if srt_data is None:
+            print("錯誤: 解析口語稿檔案失敗，請確認檔案內容")
+        else:
+            # 4. 使用者介面輸入批次大小
+            while True:
+                try:
+                    batch_size = int(input("請輸入批次大小 (請輸入整數): "))
+                    if batch_size > 0:
+                        break
+                    else:
+                        print("錯誤：批次大小必須是正整數。")
+                except ValueError:
+                    print("錯誤：請輸入有效的整數。")
+
+            # 儲存所有報告
+            all_reports = []
+
+            # 處理每個批次
+            keys = list(srt_data.keys()) # 取得編號
+
+            for i in range(0, len(keys), batch_size):
+                batch_keys = keys[i:i + batch_size]
+                batch_data = {key: srt_data[key] for key in batch_keys} # 取得該批次的資料
+                subtitle_content = "\n".join([f"編號{index}:{data['text']}" for index, data in batch_data.items()])
+                prompt = (
+                     "請扮演一位專業的文字編輯，比對以下字幕檔和逐字稿，並以逐字稿的內容為準，修正字幕檔中因語音轉文字造成的錯別字、漏字、多字和詞語誤用等問題，請勿修改語氣和修辭，直接輸出修正後的字幕檔。\n"
+                    "接著，請將**當前批次**所有修改的內容整理成一個修改清單，並放在所有字幕內容之後。\n"
+                    "請使用以下格式輸出修改清單： \n"
+                    "編號: 原文: 修正後\n"
+                    "請使用 `<<<分隔符號>>>` 來分隔字幕與修改清單。\n"
+                     "請按照以下步驟進行：\n"
+                    "1. 比對字幕檔和逐字稿。\n"
+                    "2. 以逐字稿的內容為準，修正字幕檔中因語音轉文字造成的錯別字、漏字、多字和詞語誤用、以及標點���號漏缺等問題。\n"
+                    "3. 必須嚴格保持原始字幕的時間戳和斷句結構，不要拆分或合併任何段落，不要新增或移除任何字幕段落，直接輸出修正後的字幕檔。\n"
+                    "4. 讀取整份逐字稿時，請忽略SSML標籤，直接比對文字與標點符號，請勿修改任何語義。\n"
+                     "字幕檔內容：\n"
+                    f"{subtitle_content}\n\n"
+                    "逐字稿內容：\n"
+                     f"{transcript_content}\n\n"
+                   )
+                try:
+                    model = genai.GenerativeModel('gemini-1.5-flash')
+                    response = model.generate_content(prompt)
+                    corrected_subtitle = response.text
+                    print(f"第 {i // batch_size + 1} 批次 Gemini 模型的回應：")
+                    print(corrected_subtitle)
+
+                    # 使用 re.split 分割字幕和報告
+                    parts = re.split(r'<<<分隔符號>>>', corrected_subtitle, maxsplit=1) # 只分割一次
+                    corrected_lines = parts[0].split('\n')  # 取得字幕文字
+                    report = ""
+                    if len(parts) > 1:
+                        report = parts[1] # 取得修改清單文字
+                        report_lines = report.strip().split('\n')
+                        all_reports.extend(report_lines)
+
+                    for line in corrected_lines:
+                       match = re.match(r'編號(\d+):(.*)', line)
+                       if match:
+                           index = int(match.group(1))
+                           corrected_text = match.group(2).strip()
+                           srt_data[index]['text'] = corrected_text
+                except Exception as e:
+                    print(f"第 {i // batch_size + 1} 批次修正過程失敗：{e}")
+
+            # 寫回 SRT 檔案
+            new_subs = [] # 將 new_subs = [] 移到此
+            for index, data in srt_data.items():
+                time_str = data['time']
+                start_str, end_str = time_str.split(" --> ")
+                start = pysrt.srtitem.SubRipTime.from_string(start_str)
+                end = pysrt.srtitem.SubRipTime.from_string(end_str)
+                new_subs.append(pysrt.SubRipItem(index=index, start=start, end=end, text=data['text']))
+
+             # 將 new_subs 轉換為 SubRipFile 物件
+            new_srt = pysrt.SubRipFile(items=new_subs)
+
+            corrected_file_name = "corrected_subtitle.srt"
+            new_srt.save(corrected_file_name, encoding='utf-8')
+            files.download(corrected_file_name)
+
+            # 合併修改清單並下載
+            report_text = "\n".join(all_reports)
+            report_file_name = "report.txt"
+            with open(report_file_name, 'w', encoding='utf-8') as f:
+                f.write(report_text)
+            files.download(report_file_name)