app.py

import os
import streamlit as st
from transformers import WhisperForConditionalGeneration, WhisperProcessor
import torch
import librosa
import srt
from datetime import timedelta

# 모델 및 프로세서 로드
@st.cache_resource
def load_model():
    model = WhisperForConditionalGeneration.from_pretrained("lcjln/AIME_Project_The_Final")
    processor = WhisperProcessor.from_pretrained("lcjln/AIME_The_Final")
    return model, processor

model, processor = load_model()

# Streamlit 웹 애플리케이션 인터페이스
st.title("Whisper 자막 생성기")

# 여러 WAV 파일 업로드
uploaded_files = st.file_uploader("여기에 WAV 파일들을 드래그 앤 드롭 하세요", type=["wav"], accept_multiple_files=True)

# 파일 목록을 보여줌
if uploaded_files:
    st.write("업로드된 파일 목록:")
    for uploaded_file in uploaded_files:
        st.write(uploaded_file.name)

    # 실행 버튼
    if st.button("실행"):
        combined_subs = []
        last_end_time = timedelta(0)
        subtitle_index = 1

        for uploaded_file in uploaded_files:
            st.write(f"처리 중: {uploaded_file.name}")

            # 진행바 초기화
            progress_bar = st.progress(0)

            # WAV 파일 로드 및 처리
            st.write("오디오 파일을 처리하는 중입니다...")
            audio, sr = librosa.load(uploaded_file, sr=16000)

            progress_bar.progress(50)

            # Whisper 모델로 변환
            st.write("모델을 통해 자막을 생성하는 중입니다...")
            segments = split_audio(audio, sr, segment_duration=5)

            for i, segment in enumerate(segments):
                inputs = processor(segment, return_tensors="pt", sampling_rate=16000)
                with torch.no_grad():
                    outputs = model.generate(inputs["input_features"], max_length=2048, return_dict_in_generate=True, output_scores=True)

                # 텍스트 디코딩
                transcription = processor.batch_decode(outputs.sequences, skip_special_tokens=True)[0].strip()

                # 신뢰도 점수 계산 (추가적인 신뢰도 필터링 적용)
                avg_logit_score = torch.mean(outputs.scores[-1]).item()

                # 신뢰도 점수가 낮거나 텍스트가 비어있는 경우 무시
                if transcription and avg_logit_score > -5.0:
                    segment_duration = librosa.get_duration(y=segment, sr=sr)
                    end_time = last_end_time + timedelta(seconds=segment_duration)

                    combined_subs.append(
                        srt.Subtitle(
                            index=subtitle_index,
                            start=last_end_time,
                            end=end_time,
                            content=transcription
                        )
                    )
                    last_end_time = end_time
                    subtitle_index += 1

            progress_bar.progress(100)
            st.success(f"{uploaded_file.name}의 자막이 성공적으로 생성되었습니다!")

        # 모든 자막을 하나의 SRT 파일로 저장
        st.write("최종 SRT 파일을 생성하는 중입니다...")
        srt_content = srt.compose(combined_subs)

        final_srt_file_path = "combined_output.srt"
        with open(final_srt_file_path, "w", encoding="utf-8") as f:
            f.write(srt_content)

        st.success("최종 SRT 파일이 성공적으로 생성되었습니다!")

        # 최종 SRT 파일 다운로드 버튼
        with open(final_srt_file_path, "rb") as srt_file:
            st.download_button(label="SRT 파일 다운로드", data=srt_file, file_name=final_srt_file_path, mime="text/srt")

def split_audio(audio, sr, segment_duration=5):
    segments = []
    for i in range(0, len(audio), int(segment_duration * sr)):
        segment = audio[i:i + int(segment_duration * sr)]
        segments.append(segment)
    return segments