# Локальная система распознавания речи на базе OpenAI Whisper

Этот репозиторий содержит набор скриптов для создания полностью автономной системы расшифровки аудиозаписей (лекций, докладов, совещаний) на вашем компьютере. Решение использует мощную open-source модель **OpenAI Whisper**, что гарантирует высокую точность и полную приватность ваших данных.

## 🚀 Что делает проект?

Проект позволяет вам превратить аудиофайлы в текст локально, без отправки данных в облако и без необходимости платных подписок. Это достигается за счет использования модели OpenAI Whisper и скриптов, которые автоматизируют процесс установки, настройки и массовой обработки файлов.

## ✨ Почему это полезно?

*   **Приватность:** Все ваши аудиозаписи и текстовые расшифровки остаются на вашем компьютере. Никакие данные не передаются третьим лицам.
*   **Бесплатно:** Проект построен на бесплатных open-source инструментах. Вы не платите за подписку или поминутное распознавание.
*   **Высокая точность:** Используется модель `large-v3` от OpenAI, которая является одной из самых точных моделей для распознавания речи, включая русский язык.
*   **Полный контроль:** Вы контролируете весь процесс — от выбора модели до формата выходных данных.
*   **Массовая обработка:** Скрипт `whisper_transcribe.py` позволяет автоматически обработать все аудиофайлы в указанной папке.

## 🛠️ Как начать?

Для развертывания системы на вашем компьютере (протестировано на Ubuntu) выполните следующие шаги.

### Шаг 1: Подготовка окружения

Для автоматической установки всех необходимых компонентов (Python, FFmpeg, NVIDIA Drivers, CUDA, PyTorch) был написан специальный bash-скрипт.

1.  **Клонируйте репозиторий:**
    ```bash
    git clone https://github.com/empenoso/offline-audio-transcriber
    cd https://github.com/empenoso/offline-audio-transcriber
    ```

2.  **Сделайте скрипт установки исполняемым:**
    ```bash
    chmod +x setup_whisper.sh
    ```

3.  **Запустите скрипт:**
    ```bash
    ./setup_whisper.sh
    ```
    Скрипт обновит систему, установит драйверы NVIDIA (если необходимо), CUDA, создаст виртуальное окружение `.venv` и установит все Python-библиотеки, включая PyTorch и Whisper.

    > **Примечание:** Если скрипт установит драйверы NVIDIA, может потребоваться перезагрузка компьютера.

### Шаг 2: Запись и размещение аудио

*   Запишите лекцию, доклад или совещание на диктофон или телефон.
*   Для лучшего качества располагайте микрофон ближе к источнику звука и избегайте фонового шума.
*   Скопируйте аудиофайлы (поддерживаются `.mp3`, `.wav`, `.m4a` и другие) в отдельную папку, например, `audio`.

### Шаг 3: Запуск распознавания

1.  **Активируйте виртуальное окружение:**
    ```bash
    source .venv/bin/activate
    ```

2.  **Запустите скрипт `whisper_transcribe.py`:**

    *   **Простой запуск** (поиск аудио в текущей папке, использование `large` модели, результаты в папку `transcripts`):
        ```bash
        python3 whisper_transcribe.py
        ```

    *   **Указание параметров вручную** (папка с аудио, модель, папка для результатов):
        ```bash
        python3 whisper_transcribe.py ./audio large ./results
        ```
        *   `./audio` — папка с вашими аудиофайлами.
        *   `large` — используемая модель Whisper. Доступные модели: `tiny`, `base`, `small`, `medium`, `large`. Чем больше модель, тем выше точность, но и выше требования к ресурсам.
        *   `./results` — папка, куда будут сохранены результаты.

### Шаг 4: Анализ результатов

После выполнения скрипта в выходной папке вы найдете:
*   **`.txt` файл** для каждой аудиозаписи с полным текстом.
*   **`.srt` файл** для каждой аудиозаписи с субтитрами и таймкодами.
*   **`all_transcripts.txt`** — один файл, содержащий все расшифровки подряд.

## 🔮 Будущие планы: Диа-что? Диа-ри-за-ция!

Следующий большой шаг — **диаризация**, то есть автоматическое разделение текста по спикерам. Это позволит не просто получать сплошной текст совещания, а видеть, кто именно и что сказал.

На данный момент интеграция с **WhisperX** (расширенная версия Whisper с поддержкой диаризации) отложена из-за технических сложностей с зависимостями. Планируется решить эту проблему с помощью Docker-контейнеров от NVIDIA. Следите за обновлениями!

Файл `whisperx_diarization.py` в репозитории является заглушкой для будущей реализации.

## ❓ Где получить помощь?

Если у вас возникли проблемы с установкой, запуском или есть предложения по улучшению, пожалуйста, создайте `Issue` в этом репозитории.

## 👤 Автор и поддержка

*   **Автор:** Михаил Шардин
*   **Онлайн-визитка:** [shardin.name](https://shardin.name/)
*   **Telegram-канал:** ["Умный Дом Инвестора"](https://t.me/умный_дом_инвестора)

---
Этот проект является демонстрацией того, как современные open-source инструменты позволяют решать сложные задачи без значительных финансовых затрат и с полным контролем над своими данными.