Spaces:
Sleeping
Sleeping
File size: 1,901 Bytes
9333f04 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 |
import os
from typing import Optional
from langchain.tools import BaseTool
import requests
from pydub import AudioSegment
import tempfile
class AudioToTextTool(BaseTool):
name = "audio_to_text"
description = "Convertit un fichier audio en texte en utilisant l'API Hugging Face"
def _run(self, audio_path: str) -> str:
"""Convertit un fichier audio en texte"""
try:
# Vérifier si le fichier existe
if not os.path.exists(audio_path):
return f"Erreur: Le fichier {audio_path} n'existe pas"
# Convertir le fichier audio en format WAV si nécessaire
audio = AudioSegment.from_file(audio_path)
with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as temp_file:
audio.export(temp_file.name, format="wav")
temp_path = temp_file.name
# Appeler l'API Hugging Face pour la transcription
API_URL = "https://api-inference.huggingface.co/models/facebook/wav2vec2-large-960h-lv60-self"
headers = {"Authorization": f"Bearer {os.getenv('HUGGINGFACE_API_KEY')}"}
with open(temp_path, "rb") as f:
data = f.read()
response = requests.post(API_URL, headers=headers, data=data)
# Nettoyer le fichier temporaire
os.unlink(temp_path)
if response.status_code != 200:
return f"Erreur lors de la transcription: {response.text}"
return response.json().get("text", "Aucun texte transcrit")
except Exception as e:
return f"Erreur lors de la conversion audio en texte: {str(e)}"
async def _arun(self, audio_path: str) -> str:
"""Version asynchrone de l'outil"""
return self._run(audio_path) |