import os import torch import subprocess from tkinter import filedialog, Tk from multiprocessing import Pool, cpu_count from tqdm import tqdm import whisper from pathlib import Path def select_device(): device = torch.device("cuda" if torch.cuda.is_available() else "cpu") device_name = "GPU" if torch.cuda.is_available() else "CPU" print(f"{device_name} detectat, voi folosi {device_name} pentru transcriere.") return device, device_name def choose_language(): print("Vrei să folosești limba implicită Engleză (en)? (da/nu)") choice = input().strip().lower() if choice in ["da", "d", "yes", "y"]: return "en" if choice not in ["nu", "n", "no"]: print("Răspuns invalid. Folosesc implicit Engleză (en).") return "en" languages = [("en", "Engleză"), ("es", "Spaniolă"), ("fr", "Franceză"), ("de", "Germană"), ("zh", "Chineză"), ("ru", "Rusă"), ("ar", "Arabă"), ("ro", "Română")] print("\nSelectează limba audio (introduce numărul):") for i, (code, name) in enumerate(languages, 1): print(f"{i}. {name} ({code})") try: lang_idx = int(input()) - 1 if not 0 <= lang_idx < len(languages): raise ValueError return languages[lang_idx][0] except (ValueError, IndexError): print("Selecție invalidă. Folosesc implicit Engleză (en).") return "en" def choose_model(): models = [ ("tiny", "Tiny", "Cel mai mic și rapid. Precizie scăzută, bun pentru audio clar. ~39 MB."), ("base", "Base", "Echilibru viteză-precizie, uz general. ~74 MB."), ("small", "Small", "Mai precis, lent, bun pentru zgomot moderat. ~244 MB."), ("medium", "Medium", "Precizie ridicată, audio complex. ~769 MB."), ("large", "Large", "Cel mai precis, lent, ideal cu GPU. ~1.5 GB.") ] print("\nAlege modelul Whisper (introduce numărul):") for i, (code, name, desc) in enumerate(models, 1): print(f"{i}. {name}\n - {desc}") try: model_idx = int(input()) - 1 if not 0 <= model_idx < len(models): raise ValueError return models[model_idx][0] except (ValueError, IndexError): print("Selecție invalidă. Folosesc 'base'.") return "base" def choose_output_format(): print("\nCe format de ieșire dorești? (introduce numărul):") print("1. TXT - Text simplu") print("2. SRT - Subtitrări cu timestamp") try: choice = int(input()) - 1 if choice == 0: return "txt" elif choice == 1: return "srt" else: raise ValueError except (ValueError, IndexError): print("Selecție invalidă. Folosesc implicit TXT.") return "txt" def download_youtube_audio(url, output_dir): """Descarcă audio de pe YouTube folosind yt-dlp""" try: print(f"Descarc audio de la: {url}") output_template = os.path.join(output_dir, "youtube_audio.%(ext)s") cmd = [ "yt-dlp", "-x", # Extrage doar audio "--audio-format", "mp3", # Convertește în MP3 "-o", output_template, # Numele fișierului de ieșire url ] subprocess.run(cmd, check=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE) # Găsește fișierul descărcat (yt-dlp adaugă extensia automat) for file in os.listdir(output_dir): if file.startswith("youtube_audio") and file.endswith(".mp3"): return os.path.join(output_dir, file) raise FileNotFoundError("Fișierul audio nu a fost găsit după descărcare.") except subprocess.CalledProcessError as e: print(f"Eroare la descărcare: {e.stderr.decode()}") return None except Exception as e: print(f"Eroare neașteptată la descărcare: {str(e)}") return None def format_srt(segments): """Convertește segmentele Whisper în format SRT""" srt_content = [] for i, segment in enumerate(segments, 1): start = segment["start"] end = segment["end"] text = segment["text"].strip() start_h, start_m = divmod(int(start // 3600), 60) start_m, start_s = divmod(int(start % 3600 // 60), 60) start_ms = int((start % 1) * 1000) end_h, end_m = divmod(int(end // 3600), 60) end_m, end_s = divmod(int(end % 3600 // 60), 60) end_ms = int((end % 1) * 1000) timestamp = (f"{start_h:02d}:{start_m:02d}:{start_s:02d},{start_ms:03d} --> " f"{end_h:02d}:{end_m:02d}:{end_s:02d},{end_ms:03d}") srt_content.append(f"{i}\n{timestamp}\n{text}\n") return "\n".join(srt_content) def transcribe_file(args): file_path, language, output_dir, device_name, model, output_format = args file_name = os.path.basename(file_path) output_file_name = f"{Path(file_path).stem}.{output_format}" try: print(f"Procesez: {file_name} cu {device_name}") result = model.transcribe(file_path, language=language, verbose=False) if output_format == "txt": transcribed_text = result["text"] output_path = os.path.join(output_dir, output_file_name) with open(output_path, 'w', encoding='utf-8') as f: f.write(transcribed_text) elif output_format == "srt": srt_text = format_srt(result["segments"]) output_path = os.path.join(output_dir, output_file_name) with open(output_path, 'w', encoding='utf-8') as f: f.write(srt_text) print(f"Complet: {file_name} -> {output_file_name}") except Exception as e: print(f"Eroare la {file_name}: {str(e)}") def transcribe_files(): language = choose_language() print(f"\nLimba selectată: {language}") model_name = choose_model() print(f"Model selectat: {model_name}") output_format = choose_output_format() print(f"Format de ieșire selectat: {output_format.upper()}") device, device_name = select_device() try: print(f"Încep descărcarea modelului '{model_name}'...") model = whisper.load_model(model_name).to(device) print("Model descărcat și încărcat cu succes!") except Exception as e: print(f"Eroare la descărcarea/încărcarea modelului: {str(e)}") return # Întreabă despre sursa audio print("\nVrei să procesezi un link YouTube sau fișiere locale? (introduce numărul):") print("1. Link YouTube") print("2. Fișiere locale") try: source_choice = int(input()) - 1 if source_choice not in [0, 1]: raise ValueError except (ValueError, IndexError): print("Selecție invalidă. Program terminat.") return script_dir = os.path.dirname(os.path.abspath(__file__)) output_dir = os.path.join(script_dir, "transcriptions") os.makedirs(output_dir, exist_ok=True) files = [] if source_choice == 0: # YouTube youtube_url = input("Introdu link-ul YouTube: ").strip() audio_file = download_youtube_audio(youtube_url, output_dir) if audio_file: files.append(audio_file) else: print("Descărcarea a eșuat. Program terminat.") return else: # Fișiere locale root = Tk() root.withdraw() files = filedialog.askopenfilenames( title="Selectează fișierele audio", filetypes=[("Audio files", "*.mp3 *.wav *.m4a *.flac"), ("All files", "*.*")] ) root.destroy() files = [f for f in files if f.lower().endswith(('.mp3', '.wav', '.m4a', '.flac'))] if not files: print("Niciun fișier selectat sau descărcat. Program terminat.") return num_processes = cpu_count() print(f"\nDetectate {num_processes} nuclee CPU. Procesez {len(files)} fișiere cu {device_name}...") tasks = [(file_path, language, output_dir, device_name, model, output_format) for file_path in files] with Pool(processes=num_processes) as pool: list(tqdm(pool.imap(transcribe_file, tasks), total=len(tasks), desc="Transcriere fișiere")) print(f"\nTranscriere completă! Fișierele sunt în 'transcriptions'.") if __name__ == "__main__": transcribe_files()