settings optimization

README.md

@@ -86,6 +86,7 @@ The service is configured through the `config.json` file:
 | `batch_size` | Batch size for processing |
 | `max_new_tokens` | Maximum new tokens for the model output |
 | `return_timestamps` | Whether to return timestamps in the transcription |
+| `audio_rate` | Audio sampling rate in Hz |
 | `norm_level` | Normalization level for audio preprocessing |
 | `compand_params` | Parameters for audio compression/expansion |
 

app/audio_processor.py

@@ -38,13 +38,16 @@ class AudioProcessor:
         Returns:
             Путь к сконвертированному WAV-файлу.
         """
+
+        audio_rate = self.config["audio_rate"]
+
         # Проверка расширения файла
         if input_path.lower().endswith('.wav'):
             # Проверяем, нужно ли преобразовывать WAV-файл (например, если частота не 16 кГц)
             try:
                 info = subprocess.check_output(['soxi', input_path]).decode()
-                if '16000 Hz' in info:
+                if f'{audio_rate} Hz' in info:
-                    logger.info(f"Файл {input_path} уже в формате WAV с частотой 16 кГц")
+                    logger.info(f"Файл {input_path} уже в формате WAV с частотой {audio_rate} Гц")
                     return input_path
             except subprocess.CalledProcessError:
                 logger.warning(f"Не удалось получить информацию о WAV-файле {input_path}")
@@ -60,7 +63,7 @@ class AudioProcessor:
             "-hide_banner",
             "-loglevel", "warning",
             "-i", input_path,
-            "-ar", "16000",
+            "-ar", f"{audio_rate}",
             "-ac", "1",  # Монофонический звук
             output_path
         ]
@@ -127,7 +130,7 @@ class AudioProcessor:
             "sox",
             input_path,
             output_path,
-            "pad", "2.0"  # 2 секунды тишины в начале
+            "pad", "2.0", "1.0"  # Добавление тишины в начале и в конце (секунды)
         ]
         
         logger.info(f"Добавление тишины: {' '.join(cmd)}")

config.json

@@ -3,10 +3,11 @@
     "model_path": "/mnt/cloud/llm/whisper/whisper-large-v3-russian",
     "language": "russian",
     "enable_history": true,
-    "chunk_length_s": 30,
+    "chunk_length_s": 22,
-    "batch_size": 16,
+    "batch_size": 20,
-    "max_new_tokens": 256,
+    "max_new_tokens": 384,
     "return_timestamps": false,
+    "audio_rate": 8000,
     "norm_level": "-0.5",
-    "compand_params": "0.3,1 -90,-90,-70,-70,-60,-20,0,0 -5 0 0.2"
+    "compand_params": "0.3,1 -90,-90,-70,-50,-40,-15,0,0 -7 0 0.15"
 }