Create APP.PY

APP.PY

@@ -0,0 +1,281 @@
+import gradio as gr
+import whisper
+import os
+import asyncio
+import edge_tts
+from transformers import pipeline
+from deep_translator import GoogleTranslator
+from docx import Document
+import tempfile
+from datetime import datetime
+import logging
+import sys
+from pydub import AudioSegment
+import time
+import torch
+from concurrent.futures import ThreadPoolExecutor
+from functools import lru_cache
+
+# تكوين التسجيل
+logging.basicConfig(
+    level=logging.INFO,
+    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
+    handlers=[
+        logging.FileHandler('app.log'),
+        logging.StreamHandler(sys.stdout)
+    ]
+)
+logger = logging.getLogger(__name__)
+
+# تحديد الجهاز المستخدم (GPU إذا كان متاحاً)
+DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
+logger.info(f"Using device: {DEVICE}")
+
+# حجم النموذج - يمكن تغييره حسب الحاجة
+MODEL_SIZE = "base"
+
+# تخزين مؤقت للنماذج
+_models = {}
+
+# قائمة اللغات المدعومة
+SUPPORTED_LANGUAGES = {
+    'ar': 'العربية',
+    'en': 'English',
+    'fr': 'Français',
+    'es': 'Español',
+    'de': 'Deutsch'
+}
+
+# تعيين أصوات لكل لغة
+VOICE_MAPPINGS = {
+    'ar': {
+        'male': 'ar-EG-ShakirNeural',
+        'female': 'ar-EG-SalmaNeural'
+    },
+    'en': {
+        'male': 'en-US-ChristopherNeural',
+        'female': 'en-US-JennyNeural'
+    },
+    'fr': {
+        'male': 'fr-FR-HenriNeural',
+        'female': 'fr-FR-DeniseNeural'
+    },
+    'es': {
+        'male': 'es-ES-AlvaroNeural',
+        'female': 'es-ES-ElviraNeural'
+    },
+    'de': {
+        'male': 'de-DE-ConradNeural',
+        'female': 'de-DE-KatjaNeural'
+    }
+}
+
+RTL_LANGUAGES = ['ar']
+
+def get_whisper_model():
+    """الحصول على نموذج Whisper مع التخزين المؤقت"""
+    if 'whisper' not in _models:
+        _models['whisper'] = whisper.load_model(MODEL_SIZE, device=DEVICE)
+    return _models['whisper']
+
+@lru_cache(maxsize=100)
+async def generate_speech_cached(text, voice):
+    """توليد الصوت مع التخزين المؤقت"""
+    try:
+        communicate = edge_tts.Communicate(text, voice)
+        audio_path = tempfile.mktemp(suffix='.mp3')
+        await communicate.save(audio_path)
+        return audio_path if os.path.exists(audio_path) and os.path.getsize(audio_path) > 0 else None
+    except Exception as e:
+        logger.error(f"خطأ في توليد الصوت: {str(e)}")
+        return None
+
+def text_to_speech(text, lang, voice_gender='male', progress=gr.Progress()):
+    """تحسين تحويل النص إلى صوت"""
+    if not text:
+        return None
+
+    try:
+        progress(0.2, desc="جاري تجهيز الصوت...")
+        voice = VOICE_MAPPINGS.get(lang, {}).get(voice_gender, VOICE_MAPPINGS['en']['male'])
+        
+        # تقسيم النص إلى أجزاء أصغر للمعالجة المتوازية
+        chunk_size = 500
+        chunks = [text[i:i+chunk_size] for i in range(0, len(text), chunk_size)]
+        
+        audio_files = []
+        with ThreadPoolExecutor() as executor:
+            futures = []
+            for chunk in chunks:
+                future = asyncio.run(generate_speech_cached(chunk, voice))
+                futures.append(future)
+            
+            for i, future in enumerate(futures):
+                progress((i + 1) / len(futures), desc=f"معالجة الجزء {i+1} من {len(futures)}...")
+                if future:
+                    audio_files.append(future)
+
+        if not audio_files:
+            return None
+
+        if len(audio_files) == 1:
+            return audio_files[0]
+
+        # دمج الملفات الصوتية
+        final_audio = AudioSegment.from_mp3(audio_files[0])
+        for audio_file in audio_files[1:]:
+            final_audio += AudioSegment.from_mp3(audio_file)
+
+        final_path = tempfile.mktemp(suffix='.mp3')
+        final_audio.export(final_path, format="mp3")
+
+        # تنظيف الملفات المؤقتة
+        for file in audio_files:
+            try:
+                os.remove(file)
+            except:
+                pass
+
+        return final_path
+
+    except Exception as e:
+        logger.error(f"خطأ في تحويل النص إلى صوت: {str(e)}")
+        return None
+
+@lru_cache(maxsize=50)
+def translate_text_cached(text, source_lang, target_lang):
+    """ترجمة النص مع التخزين المؤقت"""
+    if source_lang == target_lang:
+        return text
+
+    try:
+        translator = GoogleTranslator(source=source_lang, target=target_lang)
+        return translator.translate(text)
+    except Exception as e:
+        logger.error(f"خطأ في الترجمة: {str(e)}")
+        return f"خطأ في الترجمة: {str(e)}"
+
+def translate_text(text, source_lang, target_lang, progress=gr.Progress()):
+    """تحسين الترجمة باستخدام المعالجة المتوا��ية"""
+    if source_lang == target_lang:
+        return text
+
+    try:
+        progress(0.3, desc="جاري الترجمة...")
+        
+        # تقسيم النص إلى أجزاء أصغر
+        chunk_size = 1000
+        chunks = [text[i:i+chunk_size] for i in range(0, len(text), chunk_size)]
+        
+        translated_chunks = []
+        with ThreadPoolExecutor() as executor:
+            futures = []
+            for chunk in chunks:
+                future = executor.submit(translate_text_cached, chunk, source_lang, target_lang)
+                futures.append(future)
+            
+            for i, future in enumerate(futures):
+                progress((i + 1) / len(futures), desc=f"ترجمة الجزء {i+1} من {len(futures)}...")
+                translated_chunks.append(future.result())
+
+        return ' '.join(translated_chunks)
+
+    except Exception as e:
+        logger.error(f"خطأ في الترجمة: {str(e)}")
+        return f"خطأ في الترجمة: {str(e)}"
+
+def process_video(video, source_lang="en", target_lang="ar", progress=gr.Progress()):
+    """تحسين معالجة الفيديو"""
+    if video is None:
+        return {
+            "error": "الرجاء رفع ملف فيديو",
+            "original": "",
+            "translated": "",
+            "document": None
+        }
+
+    try:
+        progress(0.1, desc="جاري تحميل الفيديو...")
+        temp_path = video.name
+        
+        # تحميل نموذج Whisper
+        progress(0.3, desc="جاري تحميل نموذج التعرف على الكلام...")
+        model = get_whisper_model()
+
+        # استخراج النص مع التقسيم
+        progress(0.5, desc="جاري استخراج النص من الفيديو...")
+        result = model.transcribe(
+            temp_path,
+            language=source_lang,
+            fp16=torch.cuda.is_available(),  # استخدام FP16 إذا كان متاحاً
+            task="transcribe"
+        )
+
+        transcribed_text = ""
+        for segment in result["segments"]:
+            start_time = format_timestamp(segment["start"])
+            text = segment["text"].strip()
+            transcribed_text += f"[{start_time}] {text}\n"
+
+        # ترجمة النص
+        progress(0.7, desc="جاري ترجمة النص...")
+        translated_text = translate_text(transcribed_text, source_lang, target_lang)
+
+        # إنشاء المستند
+        progress(0.9, desc="جاري إنشاء المستند...")
+        doc_path = create_document(transcribed_text, translated_text, source_lang, target_lang)
+
+        return {
+            "error": None,
+            "original": transcribed_text,
+            "translated": translated_text,
+            "document": doc_path
+        }
+
+    except Exception as e:
+        logger.error(f"خطأ في معالجة الفيديو: {str(e)}")
+        return {
+            "error": f"حدث خطأ: {str(e)}",
+            "original": "",
+            "translated": "",
+            "document": None
+        }
+
+def format_timestamp(seconds):
+    """تنسيق الوقت بالثواني إلى الشكل HH:MM:SS"""
+    hours = int(seconds // 3600)
+    minutes = int((seconds % 3600) // 60)
+    seconds = int(seconds % 60)
+    return f"{hours:02d}:{minutes:02d}:{seconds:02d}"
+
+def create_document(original_text, translated_text, source_lang, target_lang):
+    """إنشاء مستند DOCX يحتوي على النص الأصلي والترجمة"""
+    doc = Document()
+    doc.add_heading(f"النص الأصلي ({SUPPORTED_LANGUAGES.get(source_lang, 'غير معروف')})")
+    doc.add_paragraph(original_text)
+    doc.add_heading(f"الترجمة ({SUPPORTED_LANGUAGES.get(target_lang, 'غير معروف')})")
+    doc.add_paragraph(translated_text)
+    temp_path = tempfile.mktemp(suffix='.docx')
+    doc.save(temp_path)
+    return temp_path
+
+# إنشاء واجهة المستخدم
+demo = gr.Interface(
+    process_video,
+    [
+        gr.File(label="تحميل ملف الفيديو"),
+        gr.Radio(label="لغة المصدر", choices=list(SUPPORTED_LANGUAGES.keys()), value="en"),
+        gr.Radio(label="لغة الهدف", choices=list(SUPPORTED_LANGUAGES.keys()), value="ar"),
+        gr.Progress(label="التقدم")
+    ],
+    [
+        gr.Textbox(label="النص الأصلي"),
+        gr.Textbox(label="الترجمة"),
+        gr.File(label="المستند")
+    ],
+    title="تحويل الفيديو إلى نص وترجمة",
+    description="استخدم هذا الأداة لتحويل الفيديوهات إلى نصوص وترجمتها إلى لغات مختلفة."
+)
+
+if __name__ == "__main__":
+    demo.launch()