app.py

import json
import tempfile
import ffmpeg
import os

from flask import Flask, request, jsonify
from flask_cors import CORS


from vosk import Model, KaldiRecognizer
from flasgger import Swagger

# Thư mục chứa model




MODEL_PATH = "model/vosk-model"
print("\u2705 Đang tải model Vosk...")
model = Model(MODEL_PATH)

@app.route("/")
def home():
    """API Home
    ---
    responses:
      200:
        description: API đang chạy
    """
    return "\u2705 Vosk STT API đang chạy!"

@app.route("/stt", methods=["POST"])
def stt():
    """Chuyển đổi giọng nói thành văn bản (Speech-to-Text)
    ---
    consumes:
      - multipart/form-data
    parameters:
      - in: formData
        name: file
        type: file
        required: true
        description: File âm thanh WebM (sẽ được chuyển đổi sang WAV mono PCM)
    responses:
      200:
        description: Kết quả chuyển đổi văn bản
        schema:
          type: object
          properties:
            text:
              type: string
              example: "Xin chào thế giới"
      400:
        description: Lỗi nếu file âm thanh không hợp lệ hoặc không tìm thấy
      500:
        description: Lỗi server nội bộ
    """
    if "file" not in request.files:
        return jsonify({"error": "Không tìm thấy file âm thanh! Vui lòng gửi trường 'file'."}), 400

        webm_path = temp_webm_file.name
        audio_file.save(webm_path)

    # Kiểm tra kích thước tệp
    if os.path.getsize(webm_path) < 100:
        os.remove(webm_path)
        return jsonify({"error": "Tệp âm thanh quá nhỏ hoặc rỗng!"}), 400

    # Đường dẫn file WAV tạm thời sau khi chuyển đổi
    wav_path = None
    wf = None
    try:
        # Kiểm tra tệp WebM bằng ffprobe trước khi chuyển đổi
        try:
            probe = ffmpeg.probe(webm_path)
            if 'streams' not in probe or not any(s['codec_type'] == 'audio' for s in probe['streams']):
                raise ValueError("Tệp không chứa luồng âm thanh hợp lệ!")
        except ffmpeg.Error as e:
            error_message = e.stderr.decode('utf-8') if e.stderr else str(e)
            return jsonify({"error": f"Lỗi kiểm tra tệp WebM: {error_message}"}), 500

        # Chuyển đổi WebM sang WAV mono PCM
        wav_path = tempfile.mktemp(suffix=".wav")
        stream = ffmpeg.input(webm_path)
        stream = ffmpeg.output(
            stream,
            wav_path,
            acodec="pcm_s16le",  # PCM 16-bit signed little-endian
            ac=1,               # Mono
            ar=16000,           # Tần số mẫu 16kHz, phù hợp với Vosk
            format="wav"
        )
        # Thêm cờ -vn để bỏ qua video nếu có và -y để ghi đè
        ffmpeg.run(stream, overwrite_output=True, quiet=True, capture_stdout=True, capture_stderr=True)

        # Mở file WAV đã chuyển đổi
        wf = wave.open(wav_path, "rb")

        # Kiểm tra định dạng WAV mono PCM
        if wf.getnchannels() != 1 or wf.getsampwidth() != 2 or wf.getcomptype() != "NONE":
            return jsonify({"error": "Định dạng WAV sau chuyển đổi không đúng!"}), 400


        # Khởi tạo KaldiRecognizer
        rec = KaldiRecognizer(model, wf.getframerate())
        result_text = ""

        # Đọc và xử lý dữ liệu âm thanh
        while True:
            data = wf.readframes(4000)
            if len(data) == 0:
                result_text += result.get("text", "") + " "
            else:
                partial_result = json.loads(rec.PartialResult())
                if partial_result.get("partial", ""):
                    result_text += partial_result["partial"] + " "

        # Trả về kết quả đã xử lý
        final_text = result_text.strip()
        if not final_text:
            final_text = "Không nh��n diện được nội dung âm thanh."
        return jsonify({"text": final_text})

    except ffmpeg.Error as e:
        error_message = e.stderr.decode('utf-8') if e.stderr else str(e)
        return jsonify({"error": f"Lỗi chuyển đổi âm thanh từ WebM sang WAV: {error_message}"}), 500
    except Exception as e:
        return jsonify({"error": f"Lỗi xử lý âm thanh: {str(e)}"}), 500

    finally:
        # Đóng file WAV nếu đã mở
        if wf is not None:
            wf.close()
        # Xóa các file tạm
        for path in [webm_path, wav_path]:
            if path and os.path.exists(path):
                os.remove(path)

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=7860, debug=True)