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):
+def process_audio(data, recognizer):
-    data = stream.read(BUFFER, exception_on_overflow=False)  # Lee el flujo de audio
     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)  # Muestra la transcripción en consola
-            print(text)  # Agrega un espacio al final
             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
 

script_pulsar_para_hablar.py

@@ -0,0 +1,91 @@
+import sys
+import os
+import pyaudio
+from vosk import Model, KaldiRecognizer
+import ctypes
+import time
+import keyboard
+
+BUFFER = 2000  # Tamaño del buffer de audio
+
+# Códigos virtuales para las teclas
+VK_ALTGR = 0xA5  # AltGr (Right Alt)
+VK_AUX = 0x50  # P (corresponde al código de tecla en el teclado español)
+
+# Función para verificar si una tecla está presionada
+def is_key_pressed(key_code):
+    return ctypes.windll.user32.GetAsyncKeyState(key_code) & 0x8000 != 0
+
+# Carga el modelo de Vosk (español)
+def load_model(model_path="vosk-model-es-0.42"):
+    return Model(model_path)
+
+# Inicializa PyAudio
+def initialize_audio():
+    p = pyaudio.PyAudio()
+    stream = p.open(
+        format=pyaudio.paInt16,
+        channels=1,
+        rate=16000,
+        input=True,
+        frames_per_buffer=BUFFER
+    )
+    stream.start_stream()
+    return p, stream
+
+
+# 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(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():
+            print(text)  # Muestra la transcripción en consola
+            keyboard.write(text)  # Escribe el texto donde esté el cursor
+
+
+# Cierra los recursos de audio
+def close_audio_resources(p, stream):
+    stream.stop_stream()
+    stream.close()
+    p.terminate()
+
+# Función principal del programa
+def main():
+    print("Mantén presionado 'AltGr' + 'P' para activar el reconocimiento de voz...")
+
+    # Inicializa el modelo y los recursos de audio
+    model = load_model()
+    p, stream = initialize_audio()
+    recognizer = KaldiRecognizer(model, 16000)
+
+    accumulated_audio = b""  # Variable para almacenar el audio acumulado
+
+    try:
+        while True:
+            # Detecta si 'AltGr' y 'P' están presionadas
+            if is_key_pressed(VK_ALTGR) and is_key_pressed(VK_AUX):
+                print("Reconocimiento activado. Habla ahora...")
+                while is_key_pressed(VK_ALTGR) and is_key_pressed(VK_AUX):
+                    audio_data = listen_audio(stream)  # Escucha el audio
+                    accumulated_audio += audio_data  # Acumula el audio mientras las teclas estén presionadas
+                print("Reconocimiento desactivado.")
+            
+            # Procesa el audio acumulado cuando se sueltan las teclas
+            if accumulated_audio:
+                process_audio(accumulated_audio, recognizer)
+                accumulated_audio = b""  # Limpia el buffer de audio acumulado
+
+            time.sleep(0.05)  # Pausa para reducir la carga de la CPU
+
+    except KeyboardInterrupt:
+        print("\nPrograma terminado por el usuario.")
+    finally:
+        close_audio_resources(p, stream)
+
+if __name__ == "__main__":
+    main()