Update app.py

app.py

@@ -9,34 +9,42 @@ transcriber = pipeline("automatic-speech-recognition", model="openai/whisper-sma
 # Załaduj model do tłumaczenia na angielski
 translator = pipeline("translation", model="Helsinki-NLP/opus-mt-pl-en")
 
-# Funkcja podziału pliku audio na segmenty 30-sekundowe
-def split_audio(audio_path, segment_length=30):
-    audio = AudioSegment.from_file(audio_path)
-    segments = []
-    for i in range(0, len(audio), segment_length * 1000):  # segment_length w milisekundach
-        segment = audio[i:i + segment_length * 1000]
-        temp_file = f"segment_{i // 1000}.wav"
-        segment.export(temp_file, format="wav")
-        segments.append(temp_file)
-    return segments
+# Funkcja konwersji pliku do mniejszego audio WAV (16 kHz, mono)
+def preprocess_and_reduce_audio(input_path):
+    try:
+        # Wczytaj plik za pomocą Pydub
+        audio = AudioSegment.from_file(input_path)
+        
+        # Zmniejsz jakość dźwięku: 16 kHz, mono, mniejsza głośność (opcjonalnie)
+        audio = audio.set_frame_rate(16000).set_channels(1).set_sample_width(2)
+        
+        # Zapisz zmniejszoną ścieżkę audio
+        output_path = "reduced_audio.wav"
+        audio.export(output_path, format="wav", bitrate="64k")  # Zmniejszona jakość
+        return output_path
+    except Exception as e:
+        print(f"Błąd konwersji audio: {e}")
+        return None
 
 # Funkcja transkrypcji i tłumaczenia
-def transcribe_and_translate(audio):
+def transcribe_and_translate(file):
     try:
-        # Podziel plik na 30-sekundowe segmenty
-        segments = split_audio(audio.name)
-        full_transcription = ""
+        # Konwersja pliku wejściowego na zoptymalizowaną ścieżkę audio
+        reduced_audio = preprocess_and_reduce_audio(file.name)
+        if not reduced_audio:
+            return "Nie udało się przetworzyć pliku.", ""
         
-        # Przetwarzanie każdego segmentu
-        for segment in segments:
-            result = transcriber(segment)
-            full_transcription += result['text'] + " "
-            os.remove(segment)  # Usuń segment po przetworzeniu
+        # Transkrypcja audio
+        result = transcriber(reduced_audio)
+        transcription = result['text']
         
         # Tłumaczenie na angielski
-        translation = translator(full_transcription)[0]['translation_text']
+        translation = translator(transcription)[0]['translation_text']
+        
+        # Usuń tymczasowy plik po zakończeniu
+        os.remove(reduced_audio)
         
-        return full_transcription.strip(), translation.strip()
+        return transcription, translation
     except Exception as e:
         return f"Błąd: {e}", ""
 
@@ -49,7 +57,7 @@ iface = gr.Interface(
         gr.Textbox(label="Tłumaczenie na angielski")
     ],
     title="Whisper Small - Transkrypcja i Tłumaczenie",
-    description="Aplikacja obsługująca długie pliki MOV, MP4 i audio. Pliki są dzielone na segmenty 30-sekundowe."
+    description="Aplikacja konwertuje pliki MOV/MP4 do mniejszej ścieżki audio i wykonuje transkrypcję oraz tłumaczenie."
 )
 
 iface.launch()