Proyecto de transcripción de audio

Este proyecto consiste en un programa que permite transcribir audios y dar un output en un formato de dataframe determinado.

Instalación

Para utilizar este programa, se utilizaron las siguientes librerías y sus versiones:

• Python 3.9.13
• ffmpeg 2022-06-16-git-5242ede48d-full_build
• Pandas 1.4.4
• stable-whisper 2.0.1
• openai-whisper 20230314

Estas versiones son solo referencias, es probable que funcione simplemente con las últimas versiones de cada librería.

Para instalar Whisper

pip install -U openai-whisper

para la última versión

pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

Más información en La página de Whisper-OpenAI

y para instalar Stable Whisper

pip install -U stable-ts

para la última versión

pip install -U git+https://github.com/jianfch/stable-ts.git

Más información en La página de Stable Whisper

Uso

Sigue los siguientes pasos:

1. Importa los módulos necesarios de la carpeta Transcriptor del archivo Transcriptor.py:

from Transcriptor import *

2. A partir del archivo mp4 puedes crear el archivo wav con la función

create_wav("\video_path.mp4","\audio_path.wav")

2. Define la variable 'modelo' según alguno de los modelos de Whisper y carga el modelo con la función run_model

modelo = "base"
model = run_model(modelo)

3. Ejecuta la función transcribir con los parámetros definidos anteriormente: a. Ejecutar para cada audio de prueba para las combinaciones (supress_s = True, previous =True), (supress_s = False, previous =True) ,(supress_s = True, previous =False), (supress_s = False, previous =False)

# a. Ejecutar para cada audio de prueba para las combinaciones:
#(supress_s = True, previous =True), (supress_s = False, previous =True), (supress_s = True, previous =False), (supress_s = False, previous =False)
transcribir(audio_path, model , supress_s = True, previous = False)

4. Finalmente con la función json_to_dataframe crea el dataframe que resume la información del json:

dataframe = json_to_dataframe(results) 

5. Guarda el dataframe

dataframe.to_csv(f"{results[1]}_S{supress_s}_P{previous}.csv")

6. Dataframe a excel de evaluacion

dataframe_to_xlsx(df=dataframe, name =f"{results[1]}_S{supress_s}_P{previous}")

Tests

En la carpeta audio_de_prueba está el archivo de audio que con modelo ="base" entregó el siguiente dataframe

En la misma carpeta se encuentran archivos csv de algunos audios transcritos para ejemplificar el resultado.