app.py

import cv2
import pytesseract
import gradio as gr
from datetime import timedelta
import os
import tempfile

# Đặt đường dẫn Tesseract nếu cần thiết (cho Windows)
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# Hàm nhận diện văn bản từ khung hình với Tesseract OCR
def tesseract_ocr(frame):
    """
    Sử dụng Tesseract OCR để nhận diện văn bản từ hình ảnh (frame).
    """
    # Chuyển đổi frame sang ảnh đen trắng để tăng độ chính xác
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # Nhận diện văn bản từ khung hình
    text = pytesseract.image_to_string(gray_frame, lang='vie')
    return text.strip()

def extract_frames(video_path, interval=1):
    """
    Tách khung hình từ video theo khoảng thời gian (mỗi giây 1 frame).
    """
    video_capture = cv2.VideoCapture(video_path)
    fps = video_capture.get(cv2.CAP_PROP_FPS)  # Lấy số khung hình trên giây
    frames = []
    count = 0
    
    while True:
        success, frame = video_capture.read()
        if not success:
            break

        if count % int(fps * interval) == 0:
            frames.append((frame, count / fps))  # frame và thời gian hiện tại trong video
            
        count += 1

    video_capture.release()
    return frames

# Hàm chuyển đổi thời gian chính xác
def convert_time(seconds):
    """
    Chuyển đổi giây thành định dạng giờ:phút:giây,millisecond cho file .srt.
    """
    milliseconds = int((seconds - int(seconds)) * 1000)
    delta = timedelta(seconds=int(seconds))
    return f"{str(delta)}.{milliseconds:03d}".replace('.', ',')

def create_srt(transcriptions, srt_file_path):
    """
    Tạo file SRT từ danh sách các đoạn text và thời gian.
    """
    with open(srt_file_path, 'w', encoding='utf-8') as srt_file:
        for idx, (text, start_time, end_time) in enumerate(transcriptions, 1):
            srt_file.write(f"{idx}\n")
            srt_file.write(f"{convert_time(start_time)} --> {convert_time(end_time)}\n")
            srt_file.write(f"{text}\n\n")

def process_video(video_path, frame_interval=1):
    """
    Xử lý video và tạo file SRT.
    """
    frames = extract_frames(video_path, interval=frame_interval)
    transcriptions = []
    last_text = None
    last_timestamp = None

    for idx, (frame, timestamp) in enumerate(frames):
        # Nhận diện văn bản từ khung hình với Tesseract OCR
        current_text = tesseract_ocr(frame)

        # Loại bỏ dòng trùng lặp
        if current_text != last_text:
            if last_text is not None:
                # Cập nhật end_time cho đoạn trước đó
                transcriptions[-1] = (last_text, last_timestamp, timestamp)
            
            # Ghi lại đoạn mới với start_time
            transcriptions.append((current_text, timestamp, timestamp + frame_interval))
            last_text = current_text
            last_timestamp = timestamp

    # Cập nhật thời gian kết thúc cho đoạn cuối cùng
    if last_text is not None:
        transcriptions[-1] = (last_text, last_timestamp, timestamp)

    # Tạo file SRT tạm thời và lưu kết quả
    with tempfile.NamedTemporaryFile(delete=False, suffix=".srt") as temp_srt_file:
        srt_output_path = temp_srt_file.name
        create_srt(transcriptions, srt_output_path)

    return srt_output_path

# Tạo giao diện với Gradio
interface = gr.Interface(
    fn=process_video,                           # Hàm xử lý video và trả về SRT
    inputs=gr.Video(),                          # Video input từ người dùng
    outputs=gr.File(label="Download .srt file"), # File .srt xuất ra
    title="Video to SRT with Tesseract OCR",     # Tiêu đề ứng dụng
    description="Tải video lên để chuyển thành file SRT sử dụng Tesseract OCR."
)

# Chạy ứng dụng
interface.launch()