cmd_audio_processor.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""
命令行版本的音频处理助手
"""

import os
import sys
import time
import argparse
import traceback
from audio_processor import (
    VolumeEnhancer, SpeechToText, NoiseReducer, 
    VoiceExtractor, AudioRestorer,
    NUMPY_AVAILABLE, LIBROSA_AVAILABLE, WHISPER_AVAILABLE,
    TORCH_AVAILABLE, NOISEREDUCE_AVAILABLE
)

def main():
    parser = argparse.ArgumentParser(description='命令行音频处理工具')
    parser.add_argument('input_file', help='输入音频文件路径')
    parser.add_argument('--output', '-o', help='输出文件路径 (默认为原文件名+后缀)')
    parser.add_argument('--operation', '-p', choices=[
        'enhance', 'transcribe', 'reduce_noise', 'extract_voice', 'restore'
    ], required=True, help='要执行的操作')
    
    # 操作特定参数
    parser.add_argument('--gain', type=float, default=1.5, help='音量增强增益值 (默认: 1.5)')
    parser.add_argument('--language', choices=['中文', '英语', '自动检测'], default='自动检测', 
                        help='语音转文字的语言 (默认: 自动检测)')
    parser.add_argument('--strength', choices=['低', '中', '高'], default='中',
                        help='降噪或修复强度 (默认: 中)')
    parser.add_argument('--level', type=int, choices=[1, 2, 3, 4, 5], default=3,
                        help='人声提取的分离程度 (默认: 3)')
    parser.add_argument('--intensity', choices=['轻度', '中度', '深度'], default='中度',
                        help='音频修复强度 (默认: 中度)')
    parser.add_argument('--debug', action='store_true', help='启用调试模式，显示完整错误信息')
    
    args = parser.parse_args()
    
    # 检查输入文件是否存在
    if not os.path.exists(args.input_file):
        print(f"错误: 输入文件不存在: {args.input_file}")
        return 1
    
    # 显示可用模块和功能状态
    print("模块状态:")
    print(f"- NumPy: {'可用' if NUMPY_AVAILABLE else '不可用'}")
    print(f"- Librosa: {'可用' if LIBROSA_AVAILABLE else '不可用'}")
    print(f"- Whisper: {'可用' if WHISPER_AVAILABLE else '不可用'}")
    print(f"- PyTorch: {'可用' if TORCH_AVAILABLE else '不可用'}")
    print(f"- NoiseReduce: {'可用' if NOISEREDUCE_AVAILABLE else '不可用'}")
    print()
    
    # 设置输出文件路径
    filename, ext = os.path.splitext(args.input_file)
    
    # 执行请求的操作
    try:
        if args.operation == 'enhance':
            if not args.output:
                args.output = f"{filename}_enhanced{ext}"
            print(f"正在增强音量 (增益值: {args.gain})...")
            processor = VolumeEnhancer()
            processor.process(args.input_file, args.output, {'gain': args.gain})
            
        elif args.operation == 'transcribe':
            if not args.output:
                args.output = f"{filename}_transcript.txt"
            print(f"正在分析音频并生成报告 (语言: {args.language})...")
            
            # 检查输出路径是否可写
            try:
                output_dir = os.path.dirname(args.output)
                if output_dir and not os.path.exists(output_dir):
                    os.makedirs(output_dir)
                    print(f"创建输出目录: {output_dir}")
                
                # 确保输出路径可写
                with open(args.output, 'w', encoding='utf-8') as test_file:
                    test_file.write("测试写入权限\n")
                print(f"输出文件路径可写: {args.output}")
            except Exception as e:
                print(f"警告: 无法写入输出文件: {str(e)}")
                if args.debug:
                    traceback.print_exc()
                
                # 尝试使用临时路径
                old_output = args.output
                args.output = os.path.join(os.getcwd(), f"transcript_{os.path.basename(filename)}.txt")
                print(f"尝试使用替代输出路径: {args.output}")
            
            # 尝试直接使用simple_audio_info模块
            try:
                import simple_audio_info
                print(f"使用simple_audio_info模块分析音频: {args.input_file}")
                result = simple_audio_info.analyze_audio(args.input_file, args.output)
                if result:
                    print(f"音频分析完成，结果已保存至: {args.output}")
                    return 0
                else:
                    print("音频分析失败，尝试使用备用方法...")
            except ImportError:
                print("未找到simple_audio_info模块，尝试使用内置音频处理器...")
            
            # 如果simple_audio_info不可用，使用SpeechToText处理器
            print("使用内置音频处理器...")
            processor = SpeechToText()
            
            try:
                print(f"处理文件: {args.input_file} -> {args.output}")
                result = processor.process(args.input_file, args.output, {'language': args.language})
                print(f"处理完成，结果已保存至: {result}")
            except Exception as e:
                print(f"处理出错: {str(e)}")
                if args.debug:
                    traceback.print_exc()
                
                # 确保即使出错也生成一个报告文件
                try:
                    # 使用直接方法生成报告
                    import wave
                    import codecs
                    
                    try:
                        with wave.open(args.input_file, 'rb') as wav:
                            channels = wav.getnchannels()
                            sample_width = wav.getsampwidth()
                            frame_rate = wav.getframerate()
                            n_frames = wav.getnframes()
                            duration = n_frames / frame_rate
                            
                            # 生成报告文件
                            with codecs.open(args.output, 'w', encoding='utf-8-sig') as f:
                                f.write("音频分析报告\n")
                                f.write("==============\n\n")
                                f.write(f"文件: {os.path.basename(args.input_file)}\n")
                                f.write(f"通道数: {channels}\n")
                                f.write(f"采样宽度: {sample_width * 8} 位\n")
                                f.write(f"采样率: {frame_rate} Hz\n")
                                f.write(f"总帧数: {n_frames}\n")
                                f.write(f"时长: {duration:.2f} 秒\n\n")
                                
                                f.write("音频质量评估：\n")
                                if frame_rate >= 44100 and sample_width >= 2:
                                    f.write("- 音频质量评级: 高质量 (CD级别或更高)\n")
                                elif frame_rate >= 22050 and sample_width >= 2:
                                    f.write("- 音频质量评级: 中等质量 (适合语音)\n")
                                else:
                                    f.write("- 音频质量评级: 低质量\n")
                                
                                f.write("\n备注: 此分析仅提供音频的基本信息，不含实际的语音转文字功能。\n")
                                f.write("如需使用完整的语音转文字功能，请安装以下依赖:\n")
                                f.write("1. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openai-whisper\n")
                                f.write("2. 安装ffmpeg并设置系统环境变量\n")
                            
                            print(f"生成了音频分析报告: {args.output}")
                    except Exception as wave_err:
                        print(f"无法使用wave模块分析音频: {str(wave_err)}")
                        # 使用最基本的文件信息
                        with codecs.open(args.output, 'w', encoding='utf-8-sig') as f:
                            f.write("基本文件信息\n")
                            f.write("============\n\n")
                            f.write(f"文件: {os.path.basename(args.input_file)}\n")
                            f.write(f"大小: {os.path.getsize(args.input_file) / 1024:.2f} KB\n")
                            f.write(f"修改时间: {time.ctime(os.path.getmtime(args.input_file))}\n\n")
                            
                            f.write("无法分析此音频文件的详细信息。\n")
                            f.write("请确保文件是有效的WAV格式音频。\n\n")
                            f.write("如需使用语音转文字功能，请安装以下依赖:\n")
                            f.write("1. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openai-whisper\n")
                            f.write("2. 安装ffmpeg并设置系统环境变量\n")
                except Exception as report_err:
                    print(f"生成基本报告失败: {str(report_err)}")
                    if args.debug:
                        traceback.print_exc()
            
        elif args.operation == 'reduce_noise':
            if not NOISEREDUCE_AVAILABLE:
                print("错误: 缺少noisereduce模块，无法执行音频降噪功能")
                return 1
                
            if not args.output:
                args.output = f"{filename}_denoised{ext}"
            print(f"正在降噪 (强度: {args.strength})...")
            processor = NoiseReducer()
            processor.process(args.input_file, args.output, {'strength': args.strength})
            
        elif args.operation == 'extract_voice':
            if not args.output:
                args.output = f"{filename}_vocals{ext}"
            print(f"正在提取人声 (分离程度: {args.level})...")
            processor = VoiceExtractor()
            processor.process(args.input_file, args.output, {'level': args.level})
            
        elif args.operation == 'restore':
            if not args.output:
                args.output = f"{filename}_restored{ext}"
            print(f"正在修复音频 (强度: {args.intensity})...")
            processor = AudioRestorer()
            processor.process(args.input_file, args.output, {'intensity': args.intensity})
        
        # 检查输出文件是否存在
        if os.path.exists(args.output):
            print(f"处理完成，结果已保存至: {args.output}")
            return 0
        else:
            print(f"警告: 输出文件 {args.output} 未生成，处理可能失败")
            return 1
        
    except Exception as e:
        print(f"处理出错: {str(e)}")
        if args.debug:
            traceback.print_exc()
        return 1

if __name__ == "__main__":
    sys.exit(main())