TGVoice2Text - бот для голосовых и кружочков

С помощью данного бота вам больше не придется часами слушать голосовые и смотреть кружочки в телеграмме. Благодаря нейросетям можно быстро бесплатно перевести голосовые и кружочки в текст.

Содержание

1. Как это работает?
2. Минимальные системные требования
3. Установка на Windows
4. Установка на Linux
5. Материалы для изучения

Как это работает?

Файлы форматов .mp4(кружочки) или .oga(голосовые) поступаю в бота и преобразовываются в формат .wav с моно звуковой дорожкой. Далее этот файл поступает на вход Vosk модели, которая преобразует голос в текст. Затем при помощи уже второй Vosk модели добавляется пунктуация в сообщение.

Системные требования

Только x64 архитектура

Более 4GB RAM

От 10GB свободного пространства на диске

Установка

Windows

1. Скачайте и установите Python 3.11.7, если у вас все еще его нет отсюда.

2. Установите FFMpeg отсюда. Он нужен для распознавания речи.

3. Добавьте FFMpeg в PATH:

   Свойства системы > Переменные среды > Переменные среды пользователя > PATH > Например: C:\Program Files\ffmpeg-2024-05-27-git-01c7f68f7a-full_build\bin\

   Перезагрузите компьютер

4. Клонируйте репозиторий командой:

git clone https://github.com/destraty/TGVoice2Text

5. Перейдтие в папку и установите все зависимости

cd TGVoice2Text
pip install -r requirements.txt

6. Скачайте модели распознавания речи и пунктуации
7. Распакуйте их в любое удобное место.
8. Сконфиругируйте файл .env и укажите пути для обоих моделей по своему желанию. Хранить их на рабочем столе настоятельно НЕ РЕКОМЕНДУЕТСЯ!

• Для TOKEN укажите токен вашего бота телеграмм. Получить его можно у BotFather. Текствая/видео инструкция тут
• Для SPEECH_MODEL_PATH укажите путь к папке с моделью.
• Для PUNC_MODEL_PATH укажите путь к файлу checkpoint.

9. Запустите бота

python bot.py

Дождитесь вывода DONE и пользуйтесь своим ботом)

Linux

1. Установите Python 3.11 из гайда
2. Установите FFMpeg и HDF5

sudo apt update
sudo apt install ffmpeg libhdf5-dev -y
ffmpeg -version

3. Клонируйте репозиторий командой:

git clone https://github.com/destraty/TGVoice2Text

4. Перейдтие в папку и создайте виртуальное окружение

cd TGVoice2Text
python -m venv env
source env/bin/activate

5. Установите зависисмости. Установка h5py может занять продолжительное время, так и должно быть. Если на этом этапе возникают ошибки, проверьте наличие libhdf5-dev.

pip install -r requirements.txt

6. Создайте папку для моделей и скачайте их:

mkdir models && cd models
wget https://alphacephei.com/vosk/models/vosk-model-ru-0.10.zip
wget https://alphacephei.com/vosk/models/vosk-recasepunc-ru-0.22.zip

7. В этой же папке распаковываем модели. Процесс тоже может быть достаточно длительным, общий вес моделей порядка 6ГБ.

unzip unzip vosk-model-ru-0.10.zip
rm vosk-model-ru-0.10.zip

unzip vosk-recasepunc-ru-0.22.zip
rm vosk-recasepunc-ru-0.22.zip

8. Отредактируем файл nano .env в папке TGVoice2Text на что-то подобное:

TOKEN = 'ВАШ ТОКЕН ТГ БОТА'
DOWNLOAD_DIR = './downloads'
SPEECH_MODEL_PATH = "./models/vosk-model-ru-0.10"
PUNC_MODEL_PATH = "./models/vosk-recasepunc-ru-0.22/checkpoint"

9. Создадим демон .service для хостинга бота:

sudo nano /etc/systemd/system/v2t_bot.service

[Unit]
Description=v2t
After=network.target

[Service]
Type=simple
User=ПОЛЬЗОВАТЕЛЬ
WorkingDirectory=/home/ПОЛЬЗОВАТЕЛЬ/TGVoice2Text/
ExecStart=/usr/bin/python3.11 /path/to/TGVoice2Text/bot.py

[Install]
WantedBy=multi-user.target

10. Запустим бота

sudo systemctl daemon-reload
sudo systemctl enable v2t_bot.service
sudo systemctl start v2t_bot.service

Проверьте правильность запуска используя:

sudo systemctl status v2t_bot.service

P.S В случае вылета из-за нехватки ОЗУ, добавьте в v2t_bot.service в раздел [Service] данную строку. Значение 2G можно заменить на свое.

MemoryLimit=2G

Не забудьте выполнить после созранения:

sudo systemctl daemon-reload

Теория и материалы