auto-sync: 2026-04-30 00:50:01

tasks/karaoke/transcribe.py

@@ -10,6 +10,8 @@ transcribe.py — Whisper транскрипция аудио → [{start, end,
 import os
 import re
 import sys
+import json
+import subprocess
 from pathlib import Path
 from typing import Optional
 
@@ -106,66 +108,44 @@ def parse_srt(path: str) -> list[dict]:
 
 
 # ---------------------------------------------------------------------------
-# .txt forced alignment через whisper word-timestamps
+# .txt forced alignment — равномерное распределение по длительности аудио
 # ---------------------------------------------------------------------------
 
+def _get_audio_duration(audio_path: str) -> float:
+    """Получить длительность аудио через ffmpeg (ffprobe недоступен)."""
+    import shutil
+    ffmpeg_bin = shutil.which("ffmpeg") or "/home/node/bin/ffmpeg"
+    # Используем ffmpeg -i для получения длительности
+    result = subprocess.run(
+        [ffmpeg_bin, "-i", audio_path],
+        capture_output=True, text=True
+    )
+    # ffmpeg пишет Duration в stderr
+    import re
+    m = re.search(r"Duration: (\d+):(\d+):([\d.]+)", result.stderr)
+    if m:
+        h, mn, s = m.groups()
+        return int(h) * 3600 + int(mn) * 60 + float(s)
+    raise RuntimeError(f"Не удалось получить длительность аудио: {audio_path}")
+
+
+
 def align_txt(audio_path: str, txt_path: str,
               model_size: str = "base",
               device: str = "cpu") -> list[dict]:
-    """Align plain .txt lyrics to audio by splitting Whisper segments by lines."""
-    from faster_whisper import WhisperModel
-
+    """Равномерно распределить строки .txt по длительности аудио."""
     txt_lines = Path(txt_path).read_text(encoding="utf-8").splitlines()
     txt_lines = [l.strip() for l in txt_lines if l.strip()]
     total_lines = len(txt_lines)
     if total_lines == 0:
         return []
 
-    model = WhisperModel(model_size, device=device, compute_type="int8")
-    segments, _ = model.transcribe(audio_path, word_timestamps=True)
+    duration = _get_audio_duration(audio_path)
+    slot = duration / total_lines
 
-    # Собираем полнотекст из whisper
-    whisper_parts = []
-    for seg in segments:
-        whisper_parts.append(seg.text.strip())
-    full_whisper = " ".join(whisper_parts)
-
-    segment_lines = max(total_lines, len(whisper_parts))
-
-    # Равномерно распределяем строки по whisper-сегментам
-    if len(whisper_parts) == 0:
-        return []
-
-    results = []
-    line_idx = 0
-    for i, seg in enumerate(segments):
-        seg_text = seg.text.strip()
-        if not seg_text:
-            continue
-
-        # Сколько строк текста привязать к этому сегменту
-        if i == len(whisper_parts) - 1:
-            # Последний сегмент — все оставшиеся строки
-            count = total_lines - line_idx
-        else:
-            # Пропорционально по символам
-            ratio = len(seg_text) / len(full_whisper)
-            count = max(1, round(total_lines * ratio))
-            count = min(count, total_lines - line_idx)
-
-        for j in range(count):
-            if line_idx >= total_lines:
-                break
-            t_start = seg.start + j * (seg.end - seg.start) / max(count, 1)
-            t_end = seg.start + (j + 1) * (seg.end - seg.start) / max(count, 1)
-            results.append({
-                "start": round(t_start, 2),
-                "end":   round(t_end, 2),
-                "text":  txt_lines[line_idx],
-            })
-            line_idx += 1
-
-    return results
+    return [{"start": round(i * slot, 2),
+             "end":   round((i + 1) * slot, 2),
+             "text":  txt_lines[i]} for i in range(total_lines)]
 
 
 # ---------------------------------------------------------------------------