Upload 2 files

app.py

@@ -1,25 +1,33 @@
+import glob
 import os
 import subprocess
 import tempfile
 
+import gigaam
 import gradio as gr
-from faster_gigaam import FastGigaAM
 
-# Модель грузим ОДИН раз при старте контейнера, не на каждый запрос —
-# иначе каждое голосовое ждало бы полную загрузку весов заново.
-# device="cpu" принципиально: этот Space создан на тарифе ZeroGPU (сейчас
-# у бесплатных аккаунтов HF нет варианта CPU Basic при создании), но раз мы
-# нигде не используем декоратор @spaces.GPU — приложение работает на
-# обычном CPU этого же контейнера и не трогает дневную квоту GPU-секунд.
-# GigaAM компактная (220-240М параметров), GPU ей и не нужен.
-MODEL = FastGigaAM(model_name="v3_ctc", device="cpu", batch_size=1)
+# Модель грузим ОДИН раз при старте контейнера, не на каждый запрос.
+# v3_e2e_ctc — версия с пунктуацией и нормализацией текста (не голый поток
+# слов без знаков препинания) и CTC-декодер (быстрее RNNT, для транскрибации
+# голосовых в чате этого достаточно).
+# Никакого @spaces.GPU нигде не используем — Space создан на тарифе ZeroGPU
+# (сейчас у бесплатных аккаунтов HF нет варианта CPU Basic при создании),
+# но раз GPU нигде не запрашивается, приложение работает на обычном CPU
+# этого же контейнера и не трогает дневную квоту GPU-секунд. GigaAM
+# компактная (220-240М параметров), GPU ей и не нужен.
+MODEL = gigaam.load_model("v3_e2e_ctc")
+
+# Нативный model.transcribe() ограничен 25 секундами аудио за вызов.
+# Официальный обход (.transcribe_longform) тянет за собой pyannote.audio
+# и токен Hugging Face — ради простой последовательной нарезки заводить
+# это не стоит, поэтому режем длинные голосовые сами через ffmpeg.
+CHUNK_SECONDS = 20
 
 
 def _to_wav(src_path: str) -> str:
-    """Конвертирует присланный файл (у Telegram голосовые — .ogg/opus) в
-    16kHz mono WAV через ffmpeg. Модель ожидает конкретный формат, и
-    предсказуемая конвертация надёжнее, чем полагаться на то, что она сама
-    разберётся с любым форматом на входе."""
+    """Конвертирует присланный файл (у Telegram голосовые — .ogg/opus, но
+    подойдёт любой формат, который понимает ffmpeg — mp3, flac и т.д.) в
+    16kHz mono WAV. Модели нужен предсказуемый формат на входе."""
     dst_path = tempfile.mktemp(suffix=".wav")
     subprocess.run(
         ["ffmpeg", "-y", "-i", src_path, "-ar", "16000", "-ac", "1", dst_path],
@@ -29,18 +37,47 @@ def _to_wav(src_path: str) -> str:
     return dst_path
 
 
+def _split_into_chunks(wav_path: str) -> list[str]:
+    """Режет WAV на куски по CHUNK_SECONDS через ffmpeg segment muxer.
+    Простая последовательная нарезка без перехлёста — изредка может
+    срезать слово ровно на границе куска, но для голосовых в чате это
+    приемлемый компромисс против того, чтобы тянуть pyannote+HF-токен
+    только ради длинных сообщений."""
+    out_dir = tempfile.mkdtemp()
+    pattern = os.path.join(out_dir, "chunk_%03d.wav")
+    subprocess.run(
+        [
+            "ffmpeg", "-y", "-i", wav_path,
+            "-f", "segment", "-segment_time", str(CHUNK_SECONDS),
+            "-c", "copy", pattern,
+        ],
+        check=True,
+        capture_output=True,
+    )
+    return sorted(glob.glob(os.path.join(out_dir, "chunk_*.wav")))
+
+
 def transcribe(audio_path: str) -> str:
     if not audio_path:
         return ""
     wav_path = _to_wav(audio_path)
+    chunks: list[str] = []
     try:
-        # faster-gigaam сам режет длинное аудио на куски с перехлёстом —
-        # ограничения в 25 секунд (как у нативного gigaam.transcribe) тут
-        # нет, голосовые любой длины идут одним вызовом.
-        segments, _info = MODEL.transcribe(wav_path)
-        return " ".join(seg.text for seg in segments).strip()
+        chunks = _split_into_chunks(wav_path)
+        parts = [MODEL.transcribe(chunk).strip() for chunk in chunks]
+        return " ".join(p for p in parts if p).strip()
     finally:
         os.remove(wav_path)
+        for c in chunks:
+            try:
+                os.remove(c)
+            except OSError:
+                pass
+        if chunks:
+            try:
+                os.rmdir(os.path.dirname(chunks[0]))
+            except OSError:
+                pass
 
 
 # api_name фиксирует имя эндпоинта — так со стороны бота адрес вызова

requirements.txt

@@ -1,5 +1,4 @@
 --extra-index-url https://download.pytorch.org/whl/cpu
 torch
 git+https://github.com/salute-developers/GigaAM.git
-git+https://github.com/MishaNyaCopilot/faster-gigaam.git
 gradio