AudioTranscript : Des segments WAV à la transcription
AudioTranscript découpe un enregistrement WAV autour des silences, transmet les segments à un service de reconnaissance et rassemble le texte. L’implémentation utilise Amazon, même si ses docstrings mentionnent encore Google.
Langages du dépôtPython 100%1
Parts calculées à partir des octets GitHub Linguist.
| Langage | % | Octets |
|---|---|---|
| Python | 6 443 |
Aperçu
Pourquoi il existe
Pipeline de traitement et de transcription audio avec alignement temporel.
Cas d’usage
Transcription automatique par lots d'enregistrements audio.
Démarrage
Ces commandes viennent de la documentation du dépôt. Elles n’ont pas été exécutées pendant cette revue.
python main.py --path <audio_file_path> --min-silence-len <min_silence_length> --silence-thresh <silence_threshold> --keep-silence <keep_silence_duration> --language <language_code>Références du dépôt
Extraits des guides du dépôt, dans leur langue d’origine. Les liens ouvrent la version du code consultée.
Prérequis et premier essai
Requirements
README.md
- Python 3.x
- pydub
- speech_recognition
- rich
- typer
- dotenv
Installation
README.md
- Clone the repository
- Navigate to the project directory
- Install the required packages
- Create a .env file and add your AWS credentials
Configuration et utilisation
Usage
README.md
Parameters:
README.md
- –path: Path of the audio file to transcribe.
- –min-silence-len: Minimum length of silence required to detect the end of a speech segment in milliseconds.
- –silence-thresh: Threshold value in dBFS below which the audio is considered silent.
- –keep-silence: Duration of silence to be kept at the beginning and end of each chunk in milliseconds.
- –language: Language code of the audio file to be transcribed.
Développement et contributions
Contributing
README.md
Fonctions et composants 2
- Découpage audio
- main.py charge un WAV avec pydub et appelle split_on_silence. Le seuil est calculé par rapport au niveau dBFS de l’enregistrement. Chaque segment est exporté dans audio-chunks avant la reconnaissance.
- Reconnaissance et sortie
- Un Recognizer de SpeechRecognition lit chaque fichier exporté et appelle recognize_amazon. La boucle ajoute le résultat à whole_text, ensuite affiché et retourné. Typer expose le fichier et les paramètres de découpage.
Architecture
Les composants et leurs liens restent lisibles en texte. Le diagramme ajoute une vue interactive.
- Enregistrement WAV
- Découpage pydub
- Segments WAV temporaires
- Reconnaissance Amazon
- Texte assemblé
Liens vérifiés dans le dépôt.
Mermaid Diagramme interactif (chargement à l’ouverture)
Vue générale des composants et des échanges vérifiés dans le dépôt.
flowchart LR
n0["Enregistrement WAV"]
n1["Découpage pydub"]
n2["Segments WAV temporaires"]
n3["Reconnaissance Amazon"]
n4["Texte assemblé"]
n0 --> n1
n1 --> n2
n2 --> n3
n3 --> n4
Version texte du diagramme
- Enregistrement WAV → Découpage pydub
- Découpage pydub → Segments WAV temporaires
- Segments WAV temporaires → Reconnaissance Amazon
- Reconnaissance Amazon → Texte assemblé
Suivre un parcours dans le code
Suivez transcribe_audio_file plutôt que sa docstring: la fonction vérifie les variables AWS juste avant recognize_amazon. L’argument de langue est exposé par la CLI, sans être transmis à cet appel.
Structure des fichiers
La carte montre les fichiers inspectés et leur organisation.
Référence
4 / 4 fichiers admissibles lus (6 dans l’arbre); 0 trop volumineux, 0 échec de lecture et 0 diagnostic de syntaxe.
Ce que couvre l’analyse
Les dossiers connus de dépendances et de compilation, les fichiers d’identifiants et les binaires sont exclus. La collecte couvre les README, les manifestes reconnus et les fichiers source pris en charge.
Les statistiques Linguist couvrent l’ensemble du dépôt et peuvent inclure d’autres langages.
Carte des fichiers
flowchart TD
root["AudioTranscript"]
f0["main.py"]
root --> f0
f1["requirements.txt"]
root --> f1
f2["README.md"]
root --> f2
f3["ai.py"]
root --> f3