app.py

import os
import json
import numpy as np
from vosk import Model, KaldiRecognizer
from flask import Flask, request, jsonify

# Cấu hình Flask
app = Flask(__name__)

# Kiểm tra và load model Vosk
MODEL_PATH = "model/vosk-model"  # Thay thế với đường dẫn đến mô hình của bạn
if not os.path.exists(MODEL_PATH):
    raise Exception("❌ Model Vosk không tìm thấy!")
print("✅ Đang tải model Vosk...")
model = Model(MODEL_PATH)

# Tạo bộ nhận diện giọng nói
rec = KaldiRecognizer(model, 16000)

# API nhận dữ liệu âm thanh và trả kết quả nhận diện giọng nói
@app.route('/stt', methods=['POST'])
def handle_audio():
    # Kiểm tra xem có tệp âm thanh không
    if 'file' not in request.files:
        return jsonify({"error": "Không có tệp âm thanh trong yêu cầu."}), 400
    
    audio_file = request.files['file']
    
    # Đọc dữ liệu âm thanh từ tệp
    audio_data = audio_file.read()
    print(f"📩 Nhận dữ liệu âm thanh: {len(audio_data)} bytes")
    
    # Chuyển đổi dữ liệu âm thanh thành numpy array (16-bit mono)
    audio_np = np.frombuffer(audio_data, dtype=np.int16)

    # Nhận diện giọng nói
    if rec.AcceptWaveform(audio_np.tobytes()):
        result = json.loads(rec.Result())
        text = result.get("text", "")
        print(f"📤 Kết quả nhận diện: {text}")
        return jsonify({"text": text})  # Gửi kết quả nhận diện về client
    else:
        # Nếu không có kết quả nhận diện hoặc dữ liệu chưa đủ để nhận diện
        return jsonify({"text": ""})  # Trả về chuỗi rỗng nếu không có kết quả

# Chạy Flask server
if __name__ == "__main__":
    app.run(host="0.0.0.0", port=5000, debug=True)