141 lines
5.9 KiB
Python
141 lines
5.9 KiB
Python
"""CLI entrypoint для транскрибации совещаний."""
|
||
|
||
import argparse
|
||
import os
|
||
import sys
|
||
from pathlib import Path
|
||
|
||
from src.audio_utils import check_ffmpeg, is_audio_file, is_video_file
|
||
from src.config import get_profile, load_config
|
||
from src.document import build_document
|
||
from src.pipeline import run_pipeline
|
||
|
||
|
||
def resolve_device(preferred: str) -> str:
|
||
"""Определяет доступное устройство."""
|
||
import torch
|
||
if preferred == "cuda" and torch.cuda.is_available():
|
||
return "cuda"
|
||
if preferred == "mps" and torch.backends.mps.is_available():
|
||
return "mps"
|
||
return "cpu"
|
||
|
||
|
||
def print_first_run_info():
|
||
"""Показывает информацию о первом запуске и скачивании моделей."""
|
||
print("=" * 60)
|
||
print("ПЕРВЫЙ ЗАПУСК: скачивание моделей")
|
||
print("=" * 60)
|
||
print("При первом запуске будут скачаны модели ИИ (~4–5 GB):")
|
||
print(" • Whisper large-v3 ~3.0 GB (распознавание речи)")
|
||
print(" • Pyannote диаризация ~0.4 GB (разделение спикеров)")
|
||
print(" • Wav2Vec2 alignment ~1.0 GB (точные таймкоды)")
|
||
print("")
|
||
print("Это займёт время в зависимости от скорости интернета.")
|
||
print("При последующих запусках модели загружаются с диска.")
|
||
print("=" * 60)
|
||
print("")
|
||
|
||
|
||
def main():
|
||
parser = argparse.ArgumentParser(
|
||
description="Транскрибация совещаний с диаризацией и таймкодами. "
|
||
"Поддерживает аудио (wav, mp3, m4a, ogg, flac) и видео (mp4, avi, mkv, mov, etc.)."
|
||
)
|
||
parser.add_argument("--input", "-i", required=True, help="Путь к аудио или видео файлу")
|
||
parser.add_argument("--output", "-o", default=None, help="Путь к выходному файлу (docx/md/txt)")
|
||
parser.add_argument("--profile", "-p", default=None, help="Профиль конфигурации (mac_m4, gpu_8gb, cpu_best)")
|
||
parser.add_argument("--config", "-c", default=None, help="Путь к config.yaml")
|
||
parser.add_argument("--device", "-d", default=None, help="Принудительно: cpu/cuda/mps")
|
||
parser.add_argument("--model", "-m", default=None, help="Принудительно: tiny/base/small/medium/large-v3")
|
||
parser.add_argument("--language", "-l", default=None, help="Язык (ru, en, ...)")
|
||
parser.add_argument("--format", "-f", default=None, help="Формат выхода: docx, md, txt")
|
||
|
||
args = parser.parse_args()
|
||
|
||
input_path = Path(args.input)
|
||
if not input_path.exists():
|
||
print(f"Ошибка: файл не найден: {args.input}", file=sys.stderr)
|
||
sys.exit(1)
|
||
|
||
# Проверка ffmpeg для видео
|
||
if is_video_file(args.input):
|
||
if not check_ffmpeg():
|
||
print(
|
||
"Ошибка: для обработки видео нужен ffmpeg.\n"
|
||
"Установите ffmpeg:\n"
|
||
" Mac: brew install ffmpeg\n"
|
||
" Linux: sudo apt-get install ffmpeg\n"
|
||
" Windows: https://ffmpeg.org/download.html",
|
||
file=sys.stderr,
|
||
)
|
||
sys.exit(1)
|
||
print(f"[Info] Обнаружен видео файл: {input_path.suffix}")
|
||
print("[Info] Аудио будет извлечено автоматически.")
|
||
elif not is_audio_file(args.input):
|
||
print(f"[Warning] Неизвестный формат: {input_path.suffix}. Попытка обработать...")
|
||
|
||
# Загрузка конфига
|
||
config = load_config(args.config)
|
||
profile = get_profile(config, args.profile)
|
||
|
||
# Переопределения из CLI
|
||
if args.device:
|
||
profile["device"] = resolve_device(args.device)
|
||
else:
|
||
profile["device"] = resolve_device(profile.get("device", "cpu"))
|
||
if args.model:
|
||
profile["model"] = args.model
|
||
if args.language:
|
||
profile["language"] = args.language
|
||
|
||
output_cfg = config.get("output", {})
|
||
fmt = args.format or output_cfg.get("format", "docx")
|
||
|
||
if args.output:
|
||
output_path = args.output
|
||
else:
|
||
stem = input_path.stem
|
||
output_dir = Path(config.get("paths", {}).get("output_dir", "./output"))
|
||
output_path = str(output_dir / f"{stem}.{fmt}")
|
||
|
||
# Проверка HF токена
|
||
hf_token = os.environ.get("HF_TOKEN") or config.get("hf_token")
|
||
if profile.get("diarize", True) and not hf_token:
|
||
print(
|
||
"Ошибка: для диаризации нужен HuggingFace токен.\n"
|
||
"Установите env HF_TOKEN или укажите hf_token в config.yaml\n"
|
||
"Инструкция: https://huggingface.co/docs/hub/security-tokens",
|
||
file=sys.stderr,
|
||
)
|
||
sys.exit(1)
|
||
|
||
# Информация о первом запуске
|
||
print_first_run_info()
|
||
|
||
print(f"Профиль: {args.profile or config.get('active_profile')}")
|
||
print(f"Устройство: {profile['device']}")
|
||
print(f"Модель: {profile['model']}")
|
||
print(f"Язык: {profile['language']}")
|
||
print(f"Вход: {args.input}")
|
||
print(f"Выход: {output_path}")
|
||
print("-" * 40)
|
||
|
||
# Запуск пайплайна
|
||
result = run_pipeline(
|
||
input_path=args.input,
|
||
profile_name=args.profile,
|
||
config_path=args.config,
|
||
output_path=output_path,
|
||
)
|
||
|
||
# Генерация документа
|
||
build_document(result["segments"], output_path, config)
|
||
|
||
print("-" * 40)
|
||
print(f"Готово! Сохранено: {output_path}")
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|