app.py

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

# Cấu hình Flask
app = Flask(__name__)

# Tạo đối tượng API với Swagger documentation
api = Api(app, version='1.0', title='Vosk STT API', description='API cho nhận diện giọng nói sử dụng Vosk')

# Kiểm tra và load model Vosk
MODEL_PATH = "model/vosk-model"  # Thay thế bằng đường dẫn đến mô hình Vosk 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
@api.route('/stt')
class SpeechToText(Resource):
    def post(self):
        """
        Nhận dữ liệu âm thanh và trả về kết quả nhận diện giọng nói.
        """
        # 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__":
    print("🚀 API Flask đang chạy tại http://localhost:5000")
    app.run(host="0.0.0.0", port=5000, debug=True)