Update app.py

app.py

@@ -8,10 +8,12 @@ from moviepy import VideoFileClip, TextClip, CompositeVideoClip
 from arabic_reshaper import reshape
 
 # --- الإعدادات ---
+# استخدمنا cpu و int8 لضمان العمل على أغلب الأجهزة، يمكن تغييره لـ cuda إذا توفر GPU
 model = WhisperModel("large-v3", device="cpu", compute_type="int8")
 
 def process_arabic_text(text):
     if not text: return ""
+    # معالجة النصوص العربية لتعرض بشكل صحيح (من اليمين لليسار وبدون حروف مقطعة)
     return reshape(text)
 
 def clean_color(color_str):
@@ -22,17 +24,18 @@ def clean_color(color_str):
             return f'rgb({r},{g},{b})'
     return color_str
 
-def step_1_extract_segments(video_path, progress=gr.Progress()):
+def step_1_extract_words(video_path, progress=gr.Progress()):
     if not video_path: return None, "الرجاء رفع فيديو."
     
-    # قمنا بتغيير الاستخراج ليعتمد على السجمنت (الجملة المنطوقة كاملة)
-    segments, _ = model.transcribe(video_path, language="ar")
+    # تفعيل word_timestamps=True هو السر لاستخراج توقيت كل كلمة
+    segments, _ = model.transcribe(video_path, word_timestamps=True, language="ar")
     
-    segments_data = []
-    for s in segments:
-        segments_data.append([s.text.strip(), round(s.start, 2), round(s.end, 2)])
+    words_data = []
+    for segment in segments:
+        for word in segment.words:
+            words_data.append([word.word.strip(), round(word.start, 2), round(word.end, 2)])
     
-    return pd.DataFrame(segments_data, columns=["النص المنطوق", "البداية", "النهاية"]), "تم استخراج النصوص بنجاح!"
+    return pd.DataFrame(words_data, columns=["الكلمة", "البداية", "النهاية"]), "تم استخراج الكلمات بدقة!"
 
 def step_2_render_video(video_path, df_edited, font_selection, text_color, font_size, progress=gr.Progress()):
     if video_path is None or df_edited is None: return None, "بيانات ناقصة."
@@ -40,56 +43,55 @@ def step_2_render_video(video_path, df_edited, font_selection, text_color, font_
     safe_color = clean_color(text_color)
     actual_font = font_selection if os.path.exists(font_selection) else "DejaVu-Sans-Bold"
 
-    output_path = "final_full_text_video.mp4"
+    output_path = "final_word_by_word.mp4"
     video = VideoFileClip(video_path)
     w, h = video.size
     clips = [video]
     
-    # تحويل البيانات من الجدول
-    segments_list = df_edited.values.tolist()
+    words_list = df_edited.values.tolist()
 
-    for row in segments_list:
-        sentence = str(row[0])
+    # تحويل كل صف في الجدول (كلمة) إلى Clip مستقل يظهر في وقته
+    for row in words_list:
+        word_text = str(row[0])
         t_start = float(row[1])
         t_end = float(row[2])
         
-        if not sentence.strip(): continue
+        if not word_text.strip(): continue
 
-        clean_sentence = process_arabic_text(sentence)
+        clean_word = process_arabic_text(word_text)
         
-        # إنشاء نص يظهر بالكامل خلال فترة النطق
+        # إنشاء كليب للكلمة الواحدة
         txt = TextClip(
-            text=clean_sentence,
+            text=clean_word,
             font_size=int(font_size), 
             color=safe_color,
             stroke_color='black',
-            stroke_width=1.5,
+            stroke_width=2,
             font=actual_font,
-            method='caption',
-            size=(int(w * 0.9), None), # عرض النص يأخذ 90% من الشاشة ليتسع للجمل
-            text_align='center'
-        ).with_start(t_start).with_duration(max(0.1, t_end - t_start)).with_position(('center', int(h * 0.75)))
+            method='label', # 'label' أفضل للكلمات المنفردة للحفاظ على جودتها
+        ).with_start(t_start).with_duration(max(0.1, t_end - t_start)).with_position(('center', int(h * 0.5))) # وضعها في منتصف الشاشة تقريباً
         
         clips.append(txt)
 
+    # دمج كل الكلمات فوق الفيديو الأصلي
     final = CompositeVideoClip(clips, size=(w, h))
     final.write_videofile(output_path, codec="libx264", audio_codec="aac", fps=video.fps, logger='bar')
-    return output_path, "تم إنتاج الفيديو بنجاح!"
+    return output_path, "تم إنتاج الفيديو بنظام كلمة بكلمة!"
 
 # --- الواجهة ---
 with gr.Blocks() as app:
-    gr.Markdown("## 🎬 محرر الفيديو بالنصوص الكاملة")
+    gr.Markdown("## 🎬 Word-by-Word Captioner (Like Pro Apps)")
     with gr.Row():
         v_in = gr.Video(); v_out = gr.Video()
     with gr.Row():
         font_opt = gr.Dropdown(choices=["arialbd.ttf"], value="arialbd.ttf", label="الخط")
-        color_opt = gr.ColorPicker(value="#FFFF00", label="اللون")
-        size_opt = gr.Slider(30, 150, value=60, label="حجم الخط")
+        color_opt = gr.ColorPicker(value="#00FF00", label="لون الكلمة (مثلاً أخضر)")
+        size_opt = gr.Slider(50, 250, value=120, label="حجم الكلمة")
 
-    btn_1 = gr.Button("1. استخراج النصوص الكاملة"); table = gr.Dataframe(interactive=True)
-    btn_2 = gr.Button("2. دمج النصوص مع الفيديو"); status = gr.Textbox()
+    btn_1 = gr.Button("1. تحليل الكلمات المنطوقة"); table = gr.Dataframe(interactive=True)
+    btn_2 = gr.Button("2. إنشاء الفيديو النهائي"); status = gr.Textbox()
 
-    btn_1.click(step_1_extract_segments, [v_in], [table, status])
+    btn_1.click(step_1_extract_words, [v_in], [table, status])
     btn_2.click(step_2_render_video, [v_in, table, font_opt, color_opt, size_opt], [v_out, status])
 
 app.launch()