app.py

import os
import gradio as gr
import whisper
import youtube_dl

# 從OpenAI的GitHub儲存庫安裝Whisper函式庫
os.system("pip install git+https://github.com/openai/whisper.git")

# 載入名為"base"的預先訓練Whisper模型
model = whisper.load_model("base")

# 定義使用Whisper進行語言推斷的函數
def inference_audio(audio):
    audio = whisper.load_audio(audio)
    audio = whisper.pad_or_trim(audio)
    mel = whisper.log_mel_spectrogram(audio).to(model.device)
    _, probs = model.detect_language(mel)
    options = whisper.DecodingOptions(fp16=False)
    result = whisper.decode(model, mel, options)
    return result.text

def inference_text(text):
    # 在這裡添加處理文本的代碼，以便進行語言推斷
    # 這可能涉及到將文本轉換為音訊，然後使用Whisper進行推斷
    return "文本推斷結果：" + text

# 定義使用 youtube-dl 提取 YouTube 影片文字的函數
def extract_text_from_youtube(url):
    ydl_opts = {
        'format': 'bestaudio/best',
        'postprocessors': [{
            'key': 'FFmpegExtractAudio',
            'preferredcodec': 'wav',
            'preferredquality': '192',
        }],
    }
    with youtube_dl.YoutubeDL(ydl_opts) as ydl:
        info_dict = ydl.extract_info(url, download=False)
        video_url = info_dict['formats'][0]['url']
        os.system(f"youtube-dl -x --audio-format wav -o temp.wav {video_url}")
    
    # 在這裡添加使用 Whisper 或其他語音辨識工具提取文字的代碼
    # 可以參考前面提供的使用 Whisper 的程式碼範例

    # 假設已經有了從音訊提取文字的函數 extract_text_from_audio
    extracted_text = extract_text_from_audio("temp.wav")

    # 刪除暫存的音訊檔案
    os.remove("temp.wav")

    return extracted_text

# 使用 gr.TabGroup 將兩個介面結合成一個網頁
tab_group = gr.TabGroup([
    gr.Tab("音訊推斷", gr.Interface(inference_audio, inputs=gr.Audio(type="filepath"), outputs="text")),
    gr.Tab("文字推斷", gr.Interface(inference_text, inputs="text", outputs="text")),
    gr.Tab("YouTube影片", gr.Interface(extract_text_from_youtube, inputs=gr.Textbox(placeholder="輸入 YouTube 影片的網址"), outputs="text")),
])

# 啟動 Gradio 介面
tab_group.launch()