241 lines
10 KiB
Python
241 lines
10 KiB
Python
"""
|
|
Модуль audio_processor.py содержит класс AudioProcessor, предназначенный для предобработки аудиофайлов
|
|
перед их использованием в системах распознавания речи. Класс предоставляет методы для конвертации
|
|
аудио в формат WAV с частотой дискретизации 16 кГц, нормализации уровня громкости,
|
|
добавления тишины в начало записи, а также для удаления временных файлов, созданных в процессе обработки.
|
|
"""
|
|
|
|
import os
|
|
import subprocess
|
|
import uuid
|
|
from typing import Dict, Tuple
|
|
|
|
from .file_manager import temp_file_manager
|
|
from .context_managers import open_file
|
|
from .utils import logger
|
|
|
|
|
|
class AudioProcessor:
|
|
"""
|
|
Класс для предобработки аудиофайлов перед распознаванием.
|
|
|
|
Attributes:
|
|
config (Dict): Словарь с параметрами конфигурации.
|
|
norm_level (str): Уровень нормализации аудио.
|
|
compand_params (str): Параметры компрессора аудио.
|
|
"""
|
|
|
|
def __init__(self, config: Dict):
|
|
"""
|
|
Инициализация обработчика аудио.
|
|
|
|
Args:
|
|
config: Словарь с параметрами конфигурации.
|
|
"""
|
|
self.config = config
|
|
self.norm_level = config.get("norm_level", "-0.5")
|
|
self.compand_params = config.get("compand_params", "0.3,1 -90,-90,-70,-70,-60,-20,0,0 -5 0 0.2")
|
|
self.audio_speed_factor = config.get("audio_speed_factor", 1.25)
|
|
|
|
def convert_to_wav(self, input_path: str) -> str:
|
|
"""
|
|
Конвертация входного аудиофайла в WAV формат с частотой дискретизации 16 кГц.
|
|
|
|
Args:
|
|
input_path: Путь к исходному аудиофайлу.
|
|
|
|
Returns:
|
|
Путь к сконвертированному WAV-файлу.
|
|
|
|
Raises:
|
|
subprocess.CalledProcessError: Если произошла ошибка при конвертации.
|
|
"""
|
|
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 f'{audio_rate} Hz' in info:
|
|
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}")
|
|
# Продолжаем конвертацию, чтобы быть уверенными в формате
|
|
|
|
# Создаем временный файл для WAV
|
|
output_path, _ = temp_file_manager.create_temp_file(".wav")
|
|
|
|
# Команда для конвертации
|
|
cmd = [
|
|
"ffmpeg",
|
|
"-hide_banner",
|
|
"-loglevel", "warning",
|
|
"-i", input_path,
|
|
"-ar", f"{audio_rate}",
|
|
"-ac", "1", # Монофонический звук
|
|
output_path
|
|
]
|
|
|
|
logger.info(f"Конвертация в WAV: {' '.join(cmd)}")
|
|
|
|
try:
|
|
subprocess.run(cmd, check=True, capture_output=True)
|
|
logger.info(f"Файл конвертирован в WAV: {output_path}")
|
|
return output_path
|
|
except subprocess.CalledProcessError as e:
|
|
logger.error(f"Ошибка при конвертации в WAV: {e.stderr.decode()}")
|
|
raise
|
|
|
|
def normalize_audio(self, input_path: str) -> str:
|
|
"""
|
|
Нормализация аудиофайла с использованием sox.
|
|
|
|
Args:
|
|
input_path: Путь к WAV-файлу.
|
|
|
|
Returns:
|
|
Путь к нормализованному WAV-файлу.
|
|
|
|
Raises:
|
|
subprocess.CalledProcessError: Если произошла ошибка при нормализации.
|
|
"""
|
|
# Создаем временный файл для нормализованного аудио
|
|
output_path, _ = temp_file_manager.create_temp_file("_normalized.wav")
|
|
|
|
# Команда для нормализации аудио с помощью sox
|
|
cmd = [
|
|
"sox",
|
|
input_path,
|
|
output_path,
|
|
"norm", self.norm_level,
|
|
"compand"
|
|
] + self.compand_params.split()
|
|
|
|
logger.info(f"Нормализация аудио: {' '.join(cmd)}")
|
|
|
|
try:
|
|
subprocess.run(cmd, check=True, capture_output=True)
|
|
logger.info(f"Аудио нормализовано: {output_path}")
|
|
return output_path
|
|
except subprocess.CalledProcessError as e:
|
|
logger.error(f"Ошибка при нормализации аудио: {e.stderr.decode()}")
|
|
raise
|
|
|
|
def speed_up_audio(self, input_path: str) -> str:
|
|
"""
|
|
Ускоряет воспроизведение аудиофайла с использованием FFmpeg.
|
|
|
|
Args:
|
|
input_path: Путь к WAV-файлу.
|
|
|
|
Returns:
|
|
Путь к ускоренному WAV-файлу.
|
|
|
|
Raises:
|
|
subprocess.CalledProcessError: Если произошла ошибка при ускорении.
|
|
"""
|
|
# Если ускорение не требуется (коэффициент = 1.0), возвращаем исходный файл
|
|
if float(self.audio_speed_factor) == 1.0:
|
|
logger.info(f"Ускорение не требуется (коэффициент = {self.audio_speed_factor})")
|
|
return input_path
|
|
|
|
# Создаем временный файл для ускоренного аудио
|
|
output_path, _ = temp_file_manager.create_temp_file("_speedup.wav")
|
|
|
|
# Команда для ускорения аудио с помощью FFmpeg
|
|
cmd = [
|
|
"ffmpeg",
|
|
"-hide_banner",
|
|
"-loglevel", "warning",
|
|
"-i", input_path,
|
|
"-filter:a", f"atempo={self.audio_speed_factor}",
|
|
output_path
|
|
]
|
|
|
|
logger.info(f"Ускорение аудио в {self.audio_speed_factor}x: {' '.join(cmd)}")
|
|
|
|
try:
|
|
subprocess.run(cmd, check=True, capture_output=True)
|
|
logger.info(f"Аудио ускорено: {output_path}")
|
|
return output_path
|
|
except subprocess.CalledProcessError as e:
|
|
logger.error(f"Ошибка при ускорении аудио: {e.stderr.decode()}")
|
|
raise
|
|
|
|
def add_silence(self, input_path: str) -> str:
|
|
"""
|
|
Добавляет тишину в начало аудиофайла.
|
|
|
|
Args:
|
|
input_path: Путь к аудиофайлу.
|
|
|
|
Returns:
|
|
Путь к аудиофайлу с добавленной тишиной.
|
|
|
|
Raises:
|
|
subprocess.CalledProcessError: Если произошла ошибка при добавлении тишины.
|
|
"""
|
|
# Создаем временный файл
|
|
output_path, _ = temp_file_manager.create_temp_file("_silence.wav")
|
|
|
|
# Команда для добавления тишины в начало файла
|
|
cmd = [
|
|
"sox",
|
|
input_path,
|
|
output_path,
|
|
"pad", "2.0", "1.0" # Добавление тишины в начале и в конце (секунды)
|
|
]
|
|
|
|
logger.info(f"Добавление тишины: {' '.join(cmd)}")
|
|
|
|
try:
|
|
subprocess.run(cmd, check=True, capture_output=True)
|
|
logger.info(f"Тишина добавлена: {output_path}")
|
|
return output_path
|
|
except subprocess.CalledProcessError as e:
|
|
logger.error(f"Ошибка при добавлении тишины: {e.stderr.decode()}")
|
|
raise
|
|
|
|
def process_audio(self, input_path: str) -> Tuple[str, list]:
|
|
"""
|
|
Полная обработка аудиофайла: конвертация, нормализация и добавление тишины.
|
|
|
|
Args:
|
|
input_path: Путь к исходному аудиофайлу.
|
|
|
|
Returns:
|
|
Кортеж: (путь к обработанному файлу, список временных файлов для удаления)
|
|
|
|
Raises:
|
|
Exception: Если произошла ошибка при обработке аудио.
|
|
"""
|
|
temp_files = []
|
|
|
|
try:
|
|
# Конвертация в WAV
|
|
wav_path = self.convert_to_wav(input_path)
|
|
if wav_path != input_path: # Если был создан временный файл
|
|
temp_files.append(wav_path)
|
|
|
|
# Нормализация
|
|
normalized_path = self.normalize_audio(wav_path)
|
|
temp_files.append(normalized_path)
|
|
|
|
# УСКОРЕНИЕ ЗВУКА (НОВЫЙ ШАГ)
|
|
speedup_path = self.speed_up_audio(normalized_path)
|
|
if speedup_path != normalized_path: # Если был создан временный файл
|
|
temp_files.append(speedup_path)
|
|
|
|
# Добавление тишины
|
|
silence_path = self.add_silence(speedup_path)
|
|
temp_files.append(silence_path)
|
|
|
|
return silence_path, temp_files
|
|
|
|
except Exception as e:
|
|
logger.error(f"Ошибка при обработке аудио {input_path}: {e}")
|
|
temp_file_manager.cleanup_temp_files(temp_files)
|
|
raise
|