app.py

import os
from dotenv import load_dotenv
from openai import OpenAI
import gradio as gr
from pydub import AudioSegment

# Load environment variables
load_dotenv()

# Initialize OpenAI client
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# Function to transcribe audio using Whisper
def transcribe_audio(file_path):
    try:
        with open(file_path, "rb") as audio_file:
            response = client.audio.transcriptions.create(
                model="whisper-1",
                file=audio_file,
                language="ja"
            )
            return response.text
    except Exception as e:
        return f"An error occurred: {str(e)}"

# Function to structure transcription
def structure_transcription(transcription):
    try:
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[
                {"role": "system", "content": "あなたのタスクは、入力された文章をルールに基づいて修正し、指定されたフォーマットに整えることです。文章の意味や意図を変えず、以下のガイドラインを厳守してください。必要に応じて補足説明を追加してくださいが、原文にない情報を追加することは避けてください。"},
                {"role": "user", "content": """次の文章を以下のルールに従って書き換えてください：
                 ですます調をだである調に変更すること。
                 「総理」を「首相」に置き換えること（ただし「内閣総理大臣」といった熟語はそのままとする）。
                 「我が国」という表現を「日本」に置き換えること。
                 「我が党」を話者の所属政党名に置き換えること。
                 「につきまして」を「について」に置き換えること。
                 「〜等」を「〜など」と表現すること。
                 「参ります」を「いく」に置き換えること。
                 注意: 文章の抜け落ちや内容の改変は行わないこと。"""},
                {"role": "user", "content": transcription}
            ]
        )
        return response.choices[0].message.content
    except Exception as e:
        return f"An error occurred while structuring transcription: {str(e)}"

# Function to handle input (either audio file or text)
def process_input(file, text_input):
    try:
        if file is not None:
            # Convert to MP3
            audio = AudioSegment.from_file(file)
            mp3_path = "temp_output.mp3"
            audio.export(mp3_path, format="mp3")
            
            # Transcribe the audio
            transcription = transcribe_audio(mp3_path)
            
            # Format the transcription
            formatted_transcription = structure_transcription(transcription)
            
            return transcription, formatted_transcription
        elif text_input.strip() != "":
            # If only text is input, process it directly
            formatted_text = structure_transcription(text_input)
            return "", formatted_text
        else:
            return "エラー: 音声ファイルまたはテキストを入力してください", ""
    except Exception as e:
        return f"An error occurred during processing: {str(e)}", ""

# Gradio interface
with gr.Blocks() as demo:
    gr.Markdown("## 音声文字起こし＆修正アプリ")
    gr.Markdown("音声ファイルをアップロードするか、テキストを直接入力してください。")
    
    with gr.Row():
        file_input = gr.File(label="音声ファイルをアップロード", file_types=[".wav", ".mp3", ".m4a"])
        text_input = gr.Textbox(label="またはテキストを入力", lines=5, placeholder="ここにテキストを入力...")
    
    output_transcription = gr.Textbox(label="文字起こし結果", lines=10)
    output_formatted = gr.Textbox(label="修正後のテキスト", lines=10)
    
    submit_button = gr.Button("実行")
    submit_button.click(
        process_input,
        inputs=[file_input, text_input],
        outputs=[output_transcription, output_formatted]
    )

# Launch the Gradio app with shareable link
demo.launch(share=True)