Initial commit

medical_transcriber.py

@@ -0,0 +1,59 @@
+import os
+import sys
+import time
+from faster_whisper import WhisperModel
+
+def transcribe_audio(file_path, model_size="large-v3", device="cuda", compute_type="float16"):
+    """
+    Transcrit un fichier audio avec une précision maximale et optimisation GPU.
+    """
+    if not os.path.exists(file_path):
+        print(f"Erreur : Le fichier {file_path} n'existe pas.")
+        return None
+
+    print(f"Chargement du modèle {model_size} sur {device}...")
+    # Initialisation du modèle avec optimisation CTranslate2
+    model = WhisperModel(model_size, device=device, compute_type=compute_type)
+
+    print(f"Transcription en cours : {file_path}")
+    start_time = time.time()
+
+    # Transcription avec paramètres optimisés pour la précision médicale
+    # beam_size=5 : meilleure recherche de mots
+    # language="fr" : force le français pour éviter les erreurs de détection
+    segments, info = model.transcribe(
+        file_path, 
+        beam_size=5, 
+        language="fr", 
+        condition_on_previous_text=True,
+        vad_filter=True, # Supprime les silences pour éviter les hallucinations
+        vad_parameters=dict(min_silence_duration_ms=500)
+    )
+
+    print(f"Langue détectée : {info.language} (probabilité: {info.language_probability:.2f})")
+    
+    full_text = []
+    for segment in segments:
+        timestamp = f"[{time.strftime('%H:%M:%S', time.gmtime(segment.start))}]"
+        print(f"{timestamp} {segment.text}")
+        full_text.append(f"{timestamp} {segment.text}")
+
+    end_time = time.time()
+    duration = end_time - start_time
+    print(f"
+Transcription terminée en {duration:.2f} secondes.")
+    
+    return "
+".join(full_text)
+
+if __name__ == "__main__":
+    if len(sys.argv) < 2:
+        print("Usage: python medical_transcriber.py <audio_file>")
+    else:
+        audio_file = sys.argv[1]
+        transcript = transcribe_audio(audio_file)
+        if transcript:
+            output_file = audio_file.rsplit('.', 1)[0] + "_transcript.txt"
+            with open(output_file, "w", encoding="utf-8") as f:
+                f.write(transcript)
+            print(f"Transcription sauvegardée dans : {output_file}")