Update app.py

app.py

@@ -18,7 +18,7 @@ client_options = ClientOptions(api_key=API_KEY)
 client = speech.SpeechClient(client_options=client_options)
 
 def get_audio_duration(file_path):
-    """Obtiene la duración del archivo de audio en segundos."""
+    """Obtiene la duración del archivo de audio en segundos usando ffprobe."""
     result = subprocess.run(
         ["ffprobe", "-i", file_path, "-show_entries", "format=duration", "-v", "quiet", "-of", "csv=p=0"],
         capture_output=True, text=True
@@ -26,31 +26,42 @@ def get_audio_duration(file_path):
     return float(result.stdout.strip())
 
 def convert_to_wav(input_file):
-    """Convierte archivos de audio a WAV LINEAR16 con la tasa de muestreo correcta."""
+    """
+    Convierte el archivo de audio a WAV LINEAR16. Se fuerza la conversión a 48000 Hz.
+    Esto se aplica únicamente si el archivo no es ya un WAV.
+    """
     output_file = input_file + ".wav"
     command = [
         "ffmpeg", "-y", "-i", input_file,
-        "-acodec", "pcm_s16le", "-ar", "48000", "-ac", "1", output_file  # 48000 Hz para evitar el error
+        "-acodec", "pcm_s16le", "-ar", "48000", "-ac", "1", output_file
     ]
     subprocess.run(command, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
     return output_file
 
+def get_wav_sample_rate(file_path):
+    """Obtiene la tasa de muestreo real del archivo WAV."""
+    with wave.open(file_path, 'rb') as wav_file:
+        return wav_file.getframerate()
+
 def transcribe(audio_file=None):
     """Transcribe audio a texto usando Google Cloud Speech-to-Text."""
     if audio_file is None:
         return "No se ha seleccionado ningún archivo.", ""
 
-    # Convertir a WAV si es necesario
+    # Si el archivo no es WAV, lo convertimos
     if not audio_file.endswith(".wav"):
         audio_file = convert_to_wav(audio_file)
 
+    # Obtener la tasa de muestreo real del archivo WAV
+    actual_sample_rate = get_wav_sample_rate(audio_file)
+
     # Obtener la duración del archivo
     duration = get_audio_duration(audio_file)
 
-    # Configuración de la solicitud
+    # Configuración de la solicitud usando la tasa real del audio
     config = speech.RecognitionConfig(
         encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
-        sample_rate_hertz=48000,
+        sample_rate_hertz=actual_sample_rate,
         audio_channel_count=1,
         language_code="es-AR",
     )
@@ -58,22 +69,22 @@ def transcribe(audio_file=None):
     # Cargar el audio en binario
     with io.open(audio_file, "rb") as file:
         content = file.read()
-        audio = speech.RecognitionAudio(content=content)
+    audio = speech.RecognitionAudio(content=content)
 
+    # Si el audio dura menos de 1 minuto se usa transcripción síncrona
     if duration <= 60:
-        # Si el audio dura menos de 1 minuto, usamos transcripción síncrona
         response = client.recognize(config=config, audio=audio)
     else:
-        # Si el audio dura más de 1 minuto, mostramos un error (se necesita Google Cloud Storage)
-        return "Error: El audio es muy largo para la transcripción síncrona. Se necesita Google Cloud Storage.", ""
+        return ("Error: El audio es muy largo para la transcripción síncrona. "
+                "Se necesita Google Cloud Storage.", "")
 
     transcript = []
     confidence = []
 
-    # Leer la respuesta de la API
+    # Procesar la respuesta de la API
     for result in response.results:
-        confidence.append(str(result.alternatives[0].confidence))
         transcript.append(result.alternatives[0].transcript)
+        confidence.append(str(result.alternatives[0].confidence))
 
     return ' '.join(transcript), '\n'.join(confidence)
 
@@ -86,8 +97,7 @@ demo = gr.Interface(
     inputs=gr.Audio(sources=["microphone", "upload"], type="filepath", label="Subir o grabar audio"),
     outputs=[output1, output2],
     title='Demo Reconocimiento de Audio',
-    description='<p> Se puede grabar o subir un archivo de audio para convertir voz a texto usando Inteligencia Artificial.</p>'
+    description='<p>Graba o sube un archivo de audio para convertir voz a texto usando Google Cloud Speech-to-Text.</p>'
 )
 
 demo.launch()
-