stable-1

stt_whisper.py

@@ -1,52 +1,18 @@
-from fastapi import FastAPI, WebSocket, WebSocketDisconnect
-import whisper
-import webrtcvad
+from datetime import datetime
+
 import numpy as np
-from pydub import AudioSegment
 import scipy.io.wavfile as wavfile
-import io
-import asyncio
+import whisper
+from fastapi import FastAPI, WebSocket, WebSocketDisconnect
 
 app = FastAPI()
 
 # Whisper 모델 로드 (tiny 모델로 실시간성 유지)
-model = whisper.load_model("tiny")
-
-# VAD 설정
-vad = webrtcvad.Vad()
-vad.set_mode(1)  # 0~3 (3이 가장 엄격), 1은 중간 수준의 감도
+model = whisper.load_model("base")
 
 # 클라이언트 관리
 clients = {}
 
-# 발화 감지 설정
-SAMPLE_RATE = 16000  # Whisper와 VAD가 요구하는 샘플레이트
-FRAME_DURATION_MS = 30  # VAD 프레임 길이 (10, 20, 30ms 중 선택)
-SILENCE_DURATION = 1.0  # 침묵 지속 시간 (초)
-
-def is_speech_vad(audio_chunk):
-    """webrtcvad를 사용한 발화 감지"""
-    # 16-bit PCM으로 변환
-    audio = np.frombuffer(audio_chunk, dtype=np.int16)
-    frame_size = (SAMPLE_RATE * FRAME_DURATION_MS / 1000) * 2  # 바이트 단위
-    if len(audio) < frame_size:
-        return False
-    return vad.is_speech(audio[:frame_size], SAMPLE_RATE)
-
-async def process_audio_in_memory(audio_buffer):
-    """메모리에서 오디오 처리 및 텍스트 변환"""
-    audio_segment = AudioSegment.from_file(io.BytesIO(audio_buffer), format="webm")
-
-    # WAV 변환 (Mono, 16-bit PCM, 16kHz 샘플링)
-    audio_segment = audio_segment.set_channels(1).set_frame_rate(SAMPLE_RATE).set_sample_width(2)
-
-    wav_buffer = io.BytesIO()
-    audio_segment.export(wav_buffer, format="wav")
-    wav_buffer.seek(0)
-
-    # Whisper로 음성 인식
-    result = model.transcribe(wav_buffer, fp16=False)
-    return result["text"]
 
 @app.websocket("/audio-stream")
 async def websocket_endpoint(websocket: WebSocket):
@@ -55,10 +21,6 @@ async def websocket_endpoint(websocket: WebSocket):
     clients[client_id] = websocket
     print(f"Client {client_id} connected")
 
-    audio_buffer = bytearray()
-    last_speech_time = 0
-    silence_start = None
-
     try:
         while True:
             # 오디오 청크 수신
@@ -68,38 +30,23 @@ async def websocket_endpoint(websocket: WebSocket):
             audio_buffer = bytearray(audio_chunk)  # 🔥 새로운 데이터로 덮어쓰기
 
             # 수신 크기 확인
-            print(f"Received data size: {len(audio_chunk)} bytes") 
-            
+            print(f"Received data size: {len(audio_chunk)} bytes")
+
             # 오디오 바이너리 데이터 => 숫자배열(numpy)로 해석
             audio_np = np.frombuffer(audio_buffer, dtype=np.int16).copy()
 
             # WAV 파일로 저장 (덮어쓰기)
-            output_file = "recorded_audio.wav"
+            timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+            output_file = f"recorded_audio_{timestamp}.wav"
             wavfile.write(output_file, 16000, audio_np)
 
             # STT 처리
             stt_result = model.transcribe(output_file, language="ko")
             transcription = stt_result["text"]
-            
+
             # 클라이언트에 데이터 전송
+            print("클라이언트에 데이터 전송")
             await websocket.send_text(transcription)
-            
-            # VAD로 발화 감지
-            # if is_speech_vad(audio_chunk):
-            #     last_speech_time = asyncio.get_event_loop().time()
-            #     silence_start = None
-            #     await websocket.send_text("Speech detected...")
-            # else:
-            #     if silence_start is None:
-            #         silence_start = asyncio.get_event_loop().time()
-            #     elif (asyncio.get_event_loop().time() - silence_start) > SILENCE_DURATION and last_speech_time > 0:
-            #         # 침묵이 지속되면 음성 인식 수행
-            #         transcription = await process_audio_in_memory(bytes(audio_buffer))
-            #         await websocket.send_text(transcription)
-            #         audio_buffer = bytearray()  # 버퍼 초기화
-            #         silence_start = None
-            #         last_speech_time = 0
-
     except WebSocketDisconnect:
         print(f"Client {client_id} disconnected")
         del clients[client_id]
@@ -107,6 +54,8 @@ async def websocket_endpoint(websocket: WebSocket):
         print(f"Error: {e}")
         await websocket.send_text(f"Error: {str(e)}")
 
+
 if __name__ == "__main__":
     import uvicorn
-    uvicorn.run(app, host="0.0.0.0", port=8000)
+
+    uvicorn.run(app, host="0.0.0.0", port=8000)