zha_project_NLP_gr_5_v2 (1).ipynb

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "id": "043442bb",
   "metadata": {},
   "outputs": [],
   "source": [
    "#!pip install SpeechRecognition"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "f073a562-972f-4ad4-a855-c2f647be60a2",
   "metadata": {},
   "source": [
    "### Google Web Speech API"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "id": "27f1e8ce",
   "metadata": {},
   "outputs": [],
   "source": [
    "import os\n",
    "import csv\n",
    "import re\n",
    "import speech_recognition as sr\n",
    "import pandas as pd"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "id": "422210f4",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Результаты распознавания сохранены в файле: C:/Users/Anna/Downloads/audio_text/output.csv\n"
     ]
    }
   ],
   "source": [
    "# Папка с аудиофайлами\n",
    "#folder_path = \"C:/Users/Anna/Downloads/audio\"\n",
    "# Путь к выходному CSV файлу\n",
    "#output_csv_file = \"C:/Users/Anna/Downloads/audio_text/output.csv\"\n",
    "\n",
    "# Папка с аудиофайлами\n",
    "folder_path = output_folder\n",
    "\n",
    "# Путь к выходному CSV файлу\n",
    "output_csv_file = os.path.join(base_dir, \"output.csv\")\n",
    "\n",
    "# Создаем экземпляр Recognizer\n",
    "recognizer = sr.Recognizer()\n",
    "\n",
    "# Функция для извлечения числа из имени файла\n",
    "def extract_number(filename):\n",
    "    # Используем регулярное выражение для извлечения числа из имени файла\n",
    "    match = re.search(r'\\d+', filename)\n",
    "    if match:\n",
    "        return int(match.group())\n",
    "    else:\n",
    "        return float('inf')  # Если числа нет, возвращаем бесконечность\n",
    "\n",
    "# Получаем список файлов и сортируем его на основе извлеченных чисел\n",
    "files = sorted(os.listdir(folder_path), key=lambda x: extract_number(x))\n",
    "\n",
    "# Открываем CSV файл для записи\n",
    "with open(output_csv_file, 'w', newline='', encoding='utf-8') as csv_file:\n",
    "    csv_writer = csv.writer(csv_file)\n",
    "    csv_writer.writerow(['Название файла', 'Распознанный текст'])  # Записываем заголовки столбцов\n",
    "\n",
    "    # Обрабатываем каждый файл в отсортированном списке\n",
    "    for filename in files:\n",
    "        if filename.endswith('.wav'):  # Проверяем, что файл имеет расширение .wav\n",
    "            audio_file = os.path.join(folder_path, filename)\n",
    "\n",
    "            # Открываем аудиофайл с помощью AudioFile\n",
    "            with sr.AudioFile(audio_file) as source:\n",
    "                audio_data = recognizer.record(source)  # Записываем аудиофайл в AudioData объект\n",
    "\n",
    "                # Используем Google Web Speech API для распознавания на английском языке\n",
    "                try:\n",
    "                    #text = recognizer.recognize_google(audio_data, language=\"en-US\")  # Распознавание на английском языке\n",
    "                    text = recognizer.recognize_google(audio_data, language=\"en-US\")\n",
    "                    csv_writer.writerow([filename, text])  # Записываем результаты в CSV файл\n",
    "                except sr.UnknownValueError:\n",
    "                    csv_writer.writerow([filename, \"Речь не распознана\"])  # Записываем информацию об ошибке\n",
    "                except sr.RequestError as e:\n",
    "                    csv_writer.writerow([filename, f\"Ошибка запроса к API: {e}\"])  # Записываем информацию об ошибке\n",
    "\n",
    "print(f\"Результаты распознавания сохранены в файле: {output_csv_file}\")\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "id": "05c43aaa",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>Название файла</th>\n",
       "      <th>Распознанный текст</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>chunk0.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>chunk1.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>chunk2.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>chunk3.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>chunk10.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>5</th>\n",
       "      <td>chunk12.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>6</th>\n",
       "      <td>chunk22.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>7</th>\n",
       "      <td>chunk99.wav</td>\n",
       "      <td>Речь не распознана</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>8</th>\n",
       "      <td>chunk100.wav</td>\n",
       "      <td>happy Sunday</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "  Название файла  Распознанный текст\n",
       "0     chunk0.wav  Речь не распознана\n",
       "1     chunk1.wav  Речь не распознана\n",
       "2     chunk2.wav  Речь не распознана\n",
       "3     chunk3.wav  Речь не распознана\n",
       "4    chunk10.wav  Речь не распознана\n",
       "5    chunk12.wav  Речь не распознана\n",
       "6    chunk22.wav  Речь не распознана\n",
       "7    chunk99.wav  Речь не распознана\n",
       "8   chunk100.wav        happy Sunday"
      ]
     },
     "execution_count": 7,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "data = pd.read_csv(output_csv_file, sep=',')\n",
    "data"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "34e59130-2b53-4c7f-855e-1d4cf0a1f17d",
   "metadata": {},
   "source": [
    "### CMU Sphinx"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "id": "bb4ddb05-64ac-4f89-9f2f-798b9981a3ce",
   "metadata": {},
   "outputs": [],
   "source": [
    "import os\n",
    "import csv\n",
    "import pandas as pd\n",
    "import speech_recognition as sr"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "id": "ef9b5f65",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Обрабатываем файл: chunk0.wav\n",
      "Обрабатываем файл: chunk1.wav\n",
      "Обрабатываем файл: chunk10.wav\n",
      "Обрабатываем файл: chunk100.wav\n",
      "Обрабатываем файл: chunk12.wav\n",
      "Обрабатываем файл: chunk2.wav\n",
      "Обрабатываем файл: chunk22.wav\n",
      "Обрабатываем файл: chunk3.wav\n",
      "Обрабатываем файл: chunk99.wav\n",
      "Результаты сохранены в C:/Users/Anna/Downloads/audio_text/output_1.csv\n"
     ]
    }
   ],
   "source": [
    "# Создаем распознаватель речи\n",
    "recognizer = sr.Recognizer()\n",
    "\n",
    "# Путь к папке с аудиофайлами и к выходному CSV-файлу\n",
    "folder_path = \"C:/Users/Anna/Downloads/audio\"\n",
    "output_csv_file = \"C:/Users/Anna/Downloads/audio_text/output_1.csv\"\n",
    "\n",
    "# Функция для преобразования аудиофайла в текст с использованием CMU Sphinx\n",
    "def transcribe_audio_with_sphinx(audio_path):\n",
    "    with sr.AudioFile(audio_path) as source:\n",
    "        audio_data = recognizer.record(source)\n",
    "        try:\n",
    "            text = recognizer.recognize_sphinx(audio_data)\n",
    "            return text\n",
    "        except sr.UnknownValueError:\n",
    "            return \"CMU Sphinx не смогло распознать аудио\"\n",
    "        except sr.RequestError as e:\n",
    "            return f\"Ошибка запроса к CMU Sphinx: {e}\"\n",
    "\n",
    "# Список для хранения результатов\n",
    "results = []\n",
    "\n",
    "# Перебираем все файлы в папке\n",
    "for file_name in os.listdir(folder_path):\n",
    "    file_path = os.path.join(folder_path, file_name)\n",
    "    if file_name.lower().endswith('.wav'):  # Обрабатываем только файлы с расширением .wav\n",
    "        print(f\"Обрабатываем файл: {file_name}\")\n",
    "        transcription = transcribe_audio_with_sphinx(file_path)\n",
    "        results.append([file_name, transcription, \"CMU Sphinx\"])\n",
    "\n",
    "# Создаем DataFrame и сохраняем в CSV\n",
    "df = pd.DataFrame(results, columns=[\"File Name\", \"Transcription\", \"Model\"])\n",
    "df.to_csv(output_csv_file, index=False)\n",
    "print(f\"Результаты сохранены в {output_csv_file}\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "f5ba0e38-075d-4f1c-a851-374ba05982b4",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "markdown",
   "id": "76fe1f7e-2c0f-46c4-8442-a108304553d2",
   "metadata": {},
   "source": [
    "### Google Web Speech API & CMU Sphinx"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "4ea40c41",
   "metadata": {},
   "outputs": [],
   "source": [
    "import os\n",
    "import csv\n",
    "import pandas as pd\n",
    "import speech_recognition as sr\n",
    "\n",
    "# Путь к папке с аудиофайлами и к папке для выходных CSV файлов\n",
    "folder_path = \"C:/Users/Anna/Downloads/audio\"\n",
    "output_folder = \"C:/Users/Anna/Downloads/audio_text/\"\n",
    "\n",
    "# Создаем экземпляр Recognizer\n",
    "recognizer = sr.Recognizer()\n",
    "\n",
    "# Функция для преобразования аудиофайла в текст с использованием Google Web Speech API\n",
    "def transcribe_audio_with_google(audio_path):\n",
    "    with sr.AudioFile(audio_path) as source:\n",
    "        audio_data = recognizer.record(source)\n",
    "        try:\n",
    "            text = recognizer.recognize_google(audio_data, language=\"en-US\")  # Распознавание на английском языке\n",
    "            return text\n",
    "        except sr.UnknownValueError:\n",
    "            return \"Speech Recognition could not understand audio\"\n",
    "        except sr.RequestError as e:\n",
    "            return f\"Request error from Google API: {e}\"\n",
    "\n",
    "# Функция для преобразования аудиофайла в текст с использованием CMU Sphinx\n",
    "def transcribe_audio_with_sphinx(audio_path):\n",
    "    with sr.AudioFile(audio_path) as source:\n",
    "        audio_data = recognizer.record(source)\n",
    "        try:\n",
    "            text = recognizer.recognize_sphinx(audio_data)\n",
    "            return text\n",
    "        except sr.UnknownValueError:\n",
    "            return \"CMU Sphinx could not understand audio\"\n",
    "        except sr.RequestError as e:\n",
    "            return f\"Request error from CMU Sphinx: {e}\"\n",
    "\n",
    "# Создаем папку для выходных файлов, если она не существует\n",
    "os.makedirs(output_folder, exist_ok=True)\n",
    "\n",
    "# Списки для хранения результатов\n",
    "google_results = []\n",
    "sphinx_results = []\n",
    "\n",
    "# Перебираем все файлы в папке\n",
    "for file_name in os.listdir(folder_path):\n",
    "    file_path = os.path.join(folder_path, file_name)\n",
    "    if file_name.lower().endswith('.wav'):  # Обрабатываем только файлы с расширением .wav\n",
    "        print(f\"Processing file: {file_name}\")\n",
    "\n",
    "        # Прогоняем файл через Google Web Speech API\n",
    "        google_transcription = transcribe_audio_with_google(file_path)\n",
    "        google_results.append([file_name, google_transcription])\n",
    "\n",
    "        # Прогоняем файл через CMU Sphinx\n",
    "        sphinx_transcription = transcribe_audio_with_sphinx(file_path)\n",
    "        sphinx_results.append([file_name, sphinx_transcription])\n",
    "\n",
    "# Сортируем результаты по цифровой части имени файла\n",
    "def extract_number(file_name):\n",
    "    numbers = ''.join(filter(str.isdigit, file_name))\n",
    "    return int(numbers) if numbers else 0\n",
    "\n",
    "google_results.sort(key=lambda x: extract_number(x[0]))\n",
    "sphinx_results.sort(key=lambda x: extract_number(x[0]))\n",
    "\n",
    "# Записываем результаты в файлы\n",
    "google_csv_file = os.path.join(output_folder, 'Google_Web_Speech_API.csv')\n",
    "sphinx_csv_file = os.path.join(output_folder, 'CMU_Sphinx.csv')\n",
    "\n",
    "# Записываем результаты в файл для Google Web Speech API\n",
    "with open(google_csv_file, 'w', newline='', encoding='utf-8') as csv_file:\n",
    "    csv_writer = csv.writer(csv_file)\n",
    "    csv_writer.writerow(['File Name', 'Transcription'])  # Записываем заголовки столбцов\n",
    "    csv_writer.writerows(google_results)\n",
    "\n",
    "# Записываем результаты в файл для CMU Sphinx\n",
    "with open(sphinx_csv_file, 'w', newline='', encoding='utf-8') as csv_file:\n",
    "    csv_writer = csv.writer(csv_file)\n",
    "    csv_writer.writerow(['File Name', 'Transcription'])  # Записываем заголовки столбцов\n",
    "    csv_writer.writerows(sphinx_results)\n",
    "\n",
    "print(f\"Results saved to files: {google_csv_file} and {sphinx_csv_file}\")\n"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.12.4"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}