Spaces:
Sleeping
Sleeping
| import gradio as gr | |
| import whisper | |
| import tempfile | |
| import librosa | |
| import soundfile as sf | |
| import os | |
| # 檢查是否有可用的 GPU，否則使用 CPU | |
| device = "cuda" if whisper.torch.cuda.is_available() else "cpu" | |
| # 載入 Whisper 模型並指定設備（GPU 或 CPU） | |
| model = whisper.load_model("small", device=device) | |
| def transcribe_audio_and_save(audio): | |
| # 根據上傳的音效檔路徑獲取檔名 | |
| input_filename = os.path.splitext(os.path.basename(audio))[0] | |
| # 將音效檔轉換為 WAV 格式並處理 | |
| with tempfile.NamedTemporaryFile(suffix=".wav") as audio_file: | |
| # 使用 librosa 讀取音效檔，支援多種音效格式 | |
| audio_data, sample_rate = librosa.load(audio, sr=16000) | |
| sf.write(audio_file.name, audio_data, sample_rate) | |
| # 使用 Whisper 辨識音訊並啟用時間戳功能 | |
| result = model.transcribe(audio_file.name, task='transcribe', verbose=True) | |
| original_text = result['text'] # 直接的 Whisper 輸出 | |
| segments = result['segments'] # 使用段落資訊 | |
| # 將辨識結果每段之間加入空格 | |
| text_with_spaces = "" | |
| for segment in segments: | |
| text_with_spaces += segment['text'] + " " # 在每句之間加入空格 | |
| # 儲存辨識結果到文字檔，檔名根據音效檔檔名生成 | |
| output_filename = f"{input_filename}_transcription.txt" | |
| output_path = os.path.join(tempfile.gettempdir(), output_filename) | |
| with open(output_path, "w") as f: | |
| f.write("Original transcription:\n") | |
| f.write(original_text + "\n\n") | |
| f.write("Transcription with spaces:\n") | |
| f.write(text_with_spaces.strip() + "\n") | |
| return original_text, text_with_spaces.strip(), output_path | |
| # Gradio 介面設置，兩個文字框和一個儲存文檔的按鈕 | |
| iface = gr.Interface( | |
| fn=transcribe_audio_and_save, | |
| inputs=gr.Audio(type="filepath", label="上傳音效檔"), # 上傳音效檔 | |
| outputs=[ | |
| gr.Textbox(label="原始辨識文字"), # 第一個框顯示原始辨識 | |
| gr.Textbox(label="加入空格後的文字"), # 第二個框顯示加入空格的辨識 | |
| gr.File(label="下載辨識結果文檔") # 提供下載結果的文檔 | |
| ], | |
| title="Whisper 音效辨識與儲存", | |
| description="上傳音效檔，Whisper 會自動辨識語音，並分別顯示原始輸出和加入空格的輸出，還可以下載結果文檔。" | |
| ) | |
| # 啟動介面 | |
| iface.launch(server_port=7862) | |