WhisperBot — Telegram Bot для распознавания речи

Этот Telegram бот использует модель Whisper от OpenAI для преобразования голосовых сообщений и видео-кружочков в текст. Бот поддерживает очередь задач и обрабатывает сообщения параллельно с использованием нескольких рабочих потоков.

Возможности

• Преобразование голосовых сообщений в текст.
• Поддержка обработки видео-кружочков (видео-сообщений).
• Очередь задач для обработки голосовых сообщений.
• Поддержка использования GPU для обработки с использованием CUDA.
• Возможность сохранять аудио-файлы, если требуется.
• Информирование пользователя о статусе очереди и обработке.

Установка

1. Клонируйте репозиторий:

   git clone https://github.com/AlexMelanFromRingo/WhisperBot.git
   cd WhisperBot

2. Создайте виртуальное окружение и активируйте его:

   python -m venv venv
   source venv/bin/activate  # для Linux/Mac
   .\venv\Scripts\activate  # для Windows

3. Установите зависимости:

   pip install -r requirements.txt

4. Создайте файл .env и настройте переменные окружения:

   Пример содержимого .env:

   TG_BOT_TOKEN=your_telegram_bot_token
   WHISPER_MODEL=base  # Возможные значения: base, small, medium, large, turbo, etc. Подробнее см. в документации OpenAI Whisper
   WHISPER_DEVICE=cpu  # Используйте "cuda" для GPU, "cpu" для использования процессора или "auto" для автоматического выбора
   WORKER_COUNT=2  # Количество рабочих потоков
   QUEUE_MAXSIZE=200  # Максимальный размер очереди
   SAVE_VOICES=True  # Устанавливайте False, если не хотите сохранять аудио файлы
   VOICES_DIR=voices  # Директория для хранения голосовых файлов
   LOG_LEVEL=INFO  # Уровень логирования (DEBUG, INFO, WARNING, ERROR, CRITICAL)

5. Запустите бота:

   python telegram_whisper_bot.py

Использование

Команды бота

• /start — Приветственное сообщение с информацией о сервере и возможностях бота.
• /status — Отображает статус очереди и состояние обработки сообщений для пользователя.

Как это работает?

1. Отправьте боту голосовое сообщение или видео-кружочек (video note).
2. Бот начнёт процесс транскрипции с использованием модели Whisper.
3. После завершения обработки бот отправит текст обратно в чат.

Если очередь переполнена, бот сообщит об этом и предложит попробовать позже.

Структура проекта

• bot.py — Основной файл с логикой работы бота.
• config.py — Конфигурационные настройки для работы с ботом.
• requirements.txt — Все необходимые библиотеки.
• .env — Файл с переменными окружения.
• voices/ — Директория для хранения голосовых файлов (если SAVE_VOICES=True).
• logs/ — Логи работы бота (если логирование активно).

Логирование

Бот поддерживает логирование для отслеживания ошибок и состояния системы. Уровень логирования можно настроить в файле .env через переменную LOG_LEVEL.

• Уровни логирования: DEBUG, INFO, WARNING, ERROR, CRITICAL.

Примечания

• Если очередь обработки переполнена, бот уведомит пользователя о том, что сервер перегружен, и предложит повторить попытку позже.
• Для корректной работы с GPU, необходимо установить соответствующие зависимости для CUDA.
• Если модель Whisper не доступна для вашей системы, бот будет использовать CPU для обработки.

Зависимости

В проекте используются следующие библиотеки:

• whisper — Модель для распознавания речи от OpenAI.
• python-telegram-bot — Библиотека для работы с Telegram API.
• dotenv — Для загрузки переменных окружения из файла .env.
• torch — Для работы с моделью Whisper на GPU (если доступно).

Установите их с помощью команды:

pip install -r requirements.txt

Автор

Этот проект был разработан Alex Melan и является открытым исходным кодом. Вы можете использовать его по своему усмотрению и модифицировать в соответствии с вашими потребностями.