app.py

import os
import tempfile
from datetime import datetime

import gradio as gr
from faster_whisper import WhisperModel

# ----------------------------------------------------------------------
# Configuración del modelo
# ----------------------------------------------------------------------
# Tamaños disponibles (de menor a mayor precisión/lentitud):
#   tiny, base, small, medium, large-v3
# En una Space gratuita (CPU) "small" es un buen balance velocidad/calidad.
# Se puede cambiar sin tocar código con la variable de entorno WHISPER_MODEL
# (Settings > Variables and secrets en la Space de Hugging Face).
MODEL_SIZE = os.environ.get("WHISPER_MODEL", "small")
DEVICE = "cpu"
COMPUTE_TYPE = "int8"  # cuantización para que corra rápido en CPU

IDIOMAS = {
    "Español": "es",
    "Inglés": "en",
    "Portugués": "pt",
    "Francés": "fr",
}

print(f"Cargando modelo Whisper ({MODEL_SIZE})... esto puede tardar un momento.")
model = WhisperModel(MODEL_SIZE, device=DEVICE, compute_type=COMPUTE_TYPE)
print("Modelo cargado correctamente.")


def format_timestamp(segundos: float) -> str:
    m, s = divmod(int(segundos), 60)
    h, m = divmod(m, 60)
    if h > 0:
        return f"{h:02d}:{m:02d}:{s:02d}"
    return f"{m:02d}:{s:02d}"


def transcribir(audio_path, idioma, progreso=gr.Progress()):
    if audio_path is None:
        return "⚠️ Por favor sube un archivo de audio primero.", None

    progreso(0, desc="Analizando audio...")

    idioma_code = None if idioma == "Detectar automáticamente" else IDIOMAS[idioma]

    segments, info = model.transcribe(
        audio_path,
        language=idioma_code,
        beam_size=5,
        vad_filter=True,  # filtra silencios largos, acelera y limpia el resultado
    )

    duracion_total = info.duration if info.duration else 1
    lineas = []

    for segment in segments:
        progreso(min(segment.end / duracion_total, 1.0), desc="Transcribiendo...")
        inicio = format_timestamp(segment.start)
        lineas.append(f"[{inicio}] {segment.text.strip()}")

    resultado = "\n".join(lineas) if lineas else "No se detectó voz en el audio."

    nombre_archivo = f"transcripcion_{datetime.now().strftime('%Y%m%d_%H%M%S')}.txt"
    ruta_salida = os.path.join(tempfile.gettempdir(), nombre_archivo)
    with open(ruta_salida, "w", encoding="utf-8") as f:
        f.write(resultado)

    progreso(1.0, desc="¡Listo!")
    return resultado, ruta_salida


with gr.Blocks(title="Transcriptor de Clases") as demo:
    gr.Markdown(
        """
        # 🎙️ Transcriptor de Clases
        Sube el audio de tu clase (mp3, wav, m4a, etc.) y obtén la transcripción
        con marcas de tiempo. Funciona mejor con audios claros y sin mucho ruido de fondo.
        """
    )

    with gr.Row():
        with gr.Column():
            audio_input = gr.Audio(
                label="Audio de la clase",
                type="filepath",
                sources=["upload"],
            )
            idioma_input = gr.Dropdown(
                choices=["Detectar automáticamente"] + list(IDIOMAS.keys()),
                value="Español",
                label="Idioma del audio",
            )
            boton = gr.Button("Transcribir", variant="primary")
            gr.Markdown(
                "_Audios largos (más de 30-40 min) pueden tardar varios minutos "
                "en una Space gratuita, ya que corre en CPU._"
            )

        with gr.Column():
            salida_texto = gr.Textbox(label="Transcripción", lines=20, buttons=["copy"])
            salida_archivo = gr.File(label="Descargar transcripción (.txt)")

    boton.click(
        fn=transcribir,
        inputs=[audio_input, idioma_input],
        outputs=[salida_texto, salida_archivo],
    )

if __name__ == "__main__":
    demo.launch()