Refactor audio recognition script and add new functionality for continuous listening

script_audio_texto_version_2.py

@@ -5,6 +5,9 @@ from vosk import Model, KaldiRecognizer
 import ctypes
 import time
 import keyboard
+import winsound
+
+
 
 BUFFER = 2000  # Tamaño del buffer de audio
 RECOGNITION_ACTIVE = False  # Estado inicial del reconocimiento
@@ -19,7 +22,10 @@ def is_key_pressed(key_code):
 
 # Carga el modelo de Vosk (español)
 def load_model(model_path="vosk-model-es-0.42"):
-    return Model(model_path)
+    print("Cargando modelo de reconocimiento de voz, por favor espera...")
+    model = Model(model_path)
+    print("Modelo cargado exitosamente.")
+    return model
 
 # Inicializa PyAudio
 def initialize_audio():
@@ -41,15 +47,18 @@ def toggle_recognition_state():
     state = "activado" if RECOGNITION_ACTIVE else "desactivado"
     print(f"Reconocimiento de voz {state}.")
 
+
+# Escucha el audio del stream
+def listen_audio(stream):
+    return stream.read(BUFFER, exception_on_overflow=False)
+
 # Procesa el audio y realiza la transcripción
-def process_audio(stream, recognizer):
-    data = stream.read(BUFFER, exception_on_overflow=False)  # Lee el flujo de audio
+def process_audio(data, recognizer):
     if recognizer.AcceptWaveform(data):
         result = recognizer.Result()  # Obtiene la transcripción
         text = eval(result)['text'].encode('utf-8').decode('utf-8')
         if text.strip():
-            text += ' '
-            print(text)  # Agrega un espacio al final
+            print(text)  # Muestra la transcripción en consola
             keyboard.write(text)  # Escribe el texto donde esté el cursor
 
 # Cierra los recursos de audio
@@ -62,24 +71,34 @@ def close_audio_resources(p, stream):
 def main():
     global RECOGNITION_ACTIVE
 
-    print("Presiona 'AltGr' + 'P' para activar/desactivar el reconocimiento de voz...")
-
     # Inicializa el modelo y los recursos de audio
     model = load_model()
+
+
+    print("Presiona 'AltGr' + 'P' para activar/desactivar el reconocimiento de voz...")
+
+
     p, stream = initialize_audio()
     recognizer = KaldiRecognizer(model, 16000)
 
     try:
         while True:
-            # Detecta si 'AltGr' y 'Ñ' están presionadas
+            # Detecta si 'AltGr' y 'P' están presionadas
             if is_key_pressed(VK_ALTGR) and is_key_pressed(VK_AUX):
                 toggle_recognition_state()
                 while is_key_pressed(VK_ALTGR) or is_key_pressed(VK_AUX):
                     time.sleep(0.1)  # Espera a que se suelten las teclas para evitar múltiples activaciones
 
-            # Procesa el audio si el reconocimiento está activado
+            # Leer audio continuamente
+            audio_data = listen_audio(stream)
+
+            # Procesar el audio según el estado del reconocimiento
             if RECOGNITION_ACTIVE:
-                process_audio(stream, recognizer)
+                process_audio(audio_data, recognizer)
+            else:
+                # Solo evalúa si hay un resultado válido, pero no lo usa
+                if recognizer.AcceptWaveform(audio_data):
+                    recognizer.Result()
 
             time.sleep(0.05)  # Pequeña pausa para reducir la carga de la CPU