comit all

openai_api.py

@@ -13,13 +13,7 @@ def transcribe_audio(client, audio_path):
 
 # post-process assistant
 def post_process_assistant(client, full_transcript):
-  system_prompt = """You are a helpful assistant that adds punctuation to Persian text, corrects spelling mistakes, and ensures proper religious references for Shiite matters.
-    You are familiar with the grammar, punctuation rules of the Persian language, and Arabic phrases commonly used in Shiite discourse. 
-    Preserve the original words and only insert necessary punctuation such as periods, commas, capitalization, symbols like Rial signs or percentage signs, and formatting. 
-    - When referring to the names of the Imams, you should use "(علیه‌السلام)" and similar phrases.
-    - Arabic phrases such as Quranic verses and narrations may be used within the speech. Please write them with correct diacritics.
-    Avoid changing the words or sentence structure. If necessary, use a Persian dictionary to identify ambiguous words. 
-    Your goal is to make the text as clear and readable as possible while maintaining its original meaning and religious context."""
+  system_prompt = """You are a helpful assistant that's corrects spelling mistakes. Avoid changing the words or sentence structure. If necessary, use a Persian dictionary to identify ambiguous words. """
   logger.info('Starting punctuation...')
   response = client.chat.completions.create(
     model="gpt-3.5-turbo",

output/avanegar.txt

@@ -0,0 +1 @@
+در مورد وفا به عهد اجتماع قلوب بر وفائ به عهد یه سری نکاتی رو عرض کردم از یه منظر دیگه ای می خوام طرح یه بحثی کنم اینم بحثی که عرض می کنم گمانم بحث خیلی مهمیه و دامنه وحشیشم هم خیلی مفصله نمی دونم تو این یکی دو شبی که خدمت عزیزان هستم چقدرشو بتونم توضیح بدم پرونده خیلی مفصلی این پرونده مطلبی که می خوام عرض کنم و اون اینه که به عبارات مختلف این جملات رو شنیدید خیلی وقتا مطرح می شه که تکالیف ما در دوران غیبت امام زمان ع چیه مراجعه اگر بکنید به روایات و اون هایی که کتبی که در این زمینه نوشته شده چه کوچک بزرگ مسیر رفتن یه مطالبی رو بیان فرمودند نکته ای که می خوام بهش بپردازم اینه از این منظری که می خوام عرض کنم می خوایم دقت کنیم نمی خوایم بگیم آقا تکالیف ما در دوران غیبت چیست بسم اللهرحم این واجباتت را انجام بده محرماتت رو ترک کن خب جوابش ع امیده دیگه واقعا جواب اول ماجرا همینه دیگه تکالیف ما چیست انجام واجبات ترک محرمات تکلیف خاص ما در دوران غیبت چیست دعاورای فرج حضرت صرفا نمی خوایم با این دست فرمون بریم جلو می خوایام از یه زاویه ای به این قصه نگاه کنیم که شاید کم تر دقت کردیم دو سه تا جمله اول باید به عنوان مقدمه عرض کنم بعد وارد بشم و در موردش فکر کنیم ببینید ما یه وقت تکالیفمون رو به صورت فردی نگاه می کنیم تاثیره می خوام خیلی دقت کنید ببخشید مقدماتی هی دارم میگم که حواس جمع بشه تاثیر کارهامونم به صورت فردی نگاه می کنیم واقعا اگر به صورت فردی بخوایم نگاه کنیم و نسخه میپشیم همونی که عرض کردم آقا تو انجام واجبات ترک محرمات یه چیزایی توجه کن اما یه منظر دیگه ای که به نظرم خیلی مهمه و مورد غفلت ماها واقع شده اینه که من یک فرد از جامعه شیعه هستم یک نفرم از جامعه شیعه ای که در دوران غیبت امام زمان داره زندگی می کنه بلکه تا قبل از ظهور امام زمان ع از ابتدای خلقت توی حدیثی هست که حضرت می فرمایند عالم دو قسمت خلاصه به تعبیر من یه دوره دولت ابلیسه که تا پایان تا ابتدای ظهور امام زمان هیمنه و سیطره در عالم با دستگاه شیطانه یه طرف دولت آدمه دستگاه حق که از بعد از ظور اتفاق می افته به یه معنا اون چیزی که عرض می کنیم مال همه این قبل از ظهوره یعنی چه دوران غیبت امام زمان چه اون دورانی که ائمه بین مردم ظاهر بودن چه دوران خاتم ال انبیا چه قبلش

recognize_google.py

@@ -0,0 +1,23 @@
+import speech_recognition as sr
+
+def recognize_speech_from_mic():
+    recognizer = sr.Recognizer()
+    mic = sr.Microphone()
+
+    with mic as source:
+        print("Adjusting for ambient noise, please wait...")
+        recognizer.adjust_for_ambient_noise(source)
+        print("Listening...")
+        audio = recognizer.listen(source)
+
+    try:
+        print("Recognizing...")
+        text = recognizer.recognize_google(audio, language="fa-IR")
+        print("You said: " + text)
+    except sr.UnknownValueError:
+        print("Google Speech Recognition could not understand audio")
+    except sr.RequestError as e:
+        print(f"Could not request results from Google Speech Recognition service; {e}")
+
+if __name__ == "__main__":
+    recognize_speech_from_mic()

requirements.txt

@@ -7,4 +7,5 @@ transformers==4.42.3
 accelerate==0.31.0
 sentencepiece==0.2.0
 jiwer==3.0.4
-torchaudio==2.3.1
+torchaudio==2.3.1
+torchvision==0.19.0

wer-calculator.py

@@ -1,6 +1,9 @@
 import jiwer
+from openai_api import post_process_assistant
+from openai import OpenAI
+from os import getenv
 
-transcriptFileName = 'whisper-large-v3'
+transcriptFileName = 'avanegar'
 
 with open('output/original.txt', 'r') as file:
     original = file.read()
@@ -9,6 +12,12 @@
 with open(f"output/{transcriptFileName}.txt", 'r') as file:
     transcrypt = file.read()
 
+# client = OpenAI(api_key=getenv('OPENAI_API_KEY'))
+
+# transcrypt = post_process_assistant(client, transcrypt).choices[0].message.content
+
+print(transcrypt)
+
 transforms = jiwer.Compose(
   [
     jiwer.ExpandCommonEnglishContractions(),

whisper-large-v3.py

@@ -22,7 +22,7 @@
     feature_extractor=processor.feature_extractor,
     max_new_tokens=128,
     chunk_length_s=30,
-    batch_size=16,
+    batch_size=1,
     return_timestamps=True,
     torch_dtype=torch_dtype,
     device=device,