main.py

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import numpy as np
import librosa
import re
from unidecode import unidecode
import base64
import faster_whisper

app = FastAPI()

class AudioBytesEncoded(BaseModel):
    audio_bytes_encoded: str

model_faster = faster_whisper.WhisperModel('tiny')

def CorregirErrores(texto):
    for key, value in {'dinea': 'linea', 'dino': 'linea', 'tos': 'dos', 'dra': 'tra', 'una': 'uno', 'tes': 'tres', '1': 'uno', '2': 'dos', '3': 'tres'}.items():
        texto = texto.replace(key, value)
    return texto

comando_base = ['linea', 'tra']
comando_num = ['uno', 'dos', 'tres']

pattern = '|'.join([re.escape(word) for word in comando_base + comando_num])

nombre_clases = ['linea_uno', 'linea_dos', 'linea_tres', 'tra_uno', 'tra_dos', 'tra_tres']
def predecir(audio):
    resultado_final = None

    completado = False
    params1 = {'initial_prompt': 'Línea 1. Línea 2. Línea 3. Tra 1. Tra 2. Tra 3.',
               'suppress_tokens': [],
               'repetition_penalty': 2,
               'no_speech_threshold': 0.1,
               'log_prob_threshold': -0.1}
    params2 = {'initial_prompt': [],
               'suppress_tokens': [],
               'repetition_penalty': 2,}
    for params in (params1, params2):
        for temp in [0, 1.0]:
            resultado_original = model_faster.transcribe(audio, language='es', temperature=temp, **params)[0]
            try:
                resultado_original = next(resultado_original).text
            except:
                print('Falló la conversion.')
                continue
            print('Predicción:\t', resultado_original, end='\n')
            resultado = unidecode(resultado_original.lower().strip())

            resultado = CorregirErrores(resultado)
            for resultado in resultado.split('.'):
                matches = re.findall(pattern, resultado)

                resultado_final = '_'.join(matches)
                if resultado_final in nombre_clases:
                    completado = True
                    break
            if completado:
                break
        if completado:
            break

    if resultado_final not in nombre_clases:
        resultado = 'Comando no reconocido.'
    return resultado

@app.post("/predict/")
async def predict(audio_bytes_encoded: AudioBytesEncoded):
    try:
        audio_bytes = base64.b64decode(audio_bytes_encoded.audio_bytes_encoded)
        audio_np = np.frombuffer(audio_bytes, dtype=np.float32)
        audio_np = librosa.util.normalize(audio_np)

        prediction = predecir(audio_np)
        return {"prediction": prediction}
    except Exception as e:
        print(f"An error occurred: {e}")
        raise HTTPException(status_code=500, detail=str(e))