app.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
語音錄音應用程式
部署在 Hugging Face Spaces 上，從麥克風錄音並保存為 16kHz WAV 文件

Usage:
    python app.py
"""

import gradio as gr
import numpy as np
import wave
import os
from datetime import datetime
from pathlib import Path

# 設定
SAMPLE_RATE = 16000  # 16kHz
OUTPUT_DIR = "recordings"  # 錄音保存目錄

# 確保輸出目錄存在
os.makedirs(OUTPUT_DIR, exist_ok=True)


def save_audio(audio_data: np.ndarray, sr: int) -> str:
    """
    將音頻數據保存為 WAV 文件
    
    Args:
        audio_data: 音頻數據 (numpy array)
        sr: 採樣率
        
    Returns:
        保存的文件路徑
    """
    # 生成文件名
    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
    filename = f"recording_{timestamp}.wav"
    filepath = os.path.join(OUTPUT_DIR, filename)
    
    # 確保是單聲道
    if len(audio_data.shape) > 1:
        audio_data = audio_data.mean(axis=1)
    
    # 歸一化到 16-bit 範圍
    audio_int16 = (audio_data * 32767).astype(np.int16)
    
    # 保存為 WAV
    with wave.open(filepath, 'w') as wav_file:
        wav_file.setnchannels(1)  # 單聲道
        wav_file.setsampwidth(2)  # 2 bytes (16-bit)
        wav_file.setframerate(sr)
        wav_file.writeframes(audio_int16.tobytes())
    
    return filepath


def process_recording(audio_tuple):
    """
    處理錄音並保存
    
    Args:
        audio_tuple: (sampling_rate, audio_data) 元組
        
    Returns:
        保存的文件路徑和狀態訊息
    """
    if audio_tuple is None:
        return None, "❌ 沒有錄音數據"
    
    sr, audio_data = audio_tuple
    
    # 如果採樣率不是 16kHz，需要重採樣
    if sr != SAMPLE_RATE:
        # 使用 librosa 重採樣
        try:
            import librosa
            audio_data = librosa.resample(audio_data, orig_sr=sr, target_sr=SAMPLE_RATE)
            sr = SAMPLE_RATE
        except ImportError:
            # 如果沒有 librosa，使用簡單的降採樣
            ratio = SAMPLE_RATE / sr
            new_length = int(len(audio_data) * ratio)
            audio_data = np.interp(
                np.linspace(0, len(audio_data), new_length),
                np.arange(len(audio_data)),
                audio_data
            )
            sr = SAMPLE_RATE
    
    # 保存文件
    filepath = save_audio(audio_data, sr)
    
    # 計算錄音長度
    duration = len(audio_data) / sr
    
    return filepath, f"✅ 已保存：{filepath}\n📊 長度：{duration:.2f}秒 | 採樣率：{sr}Hz"


def create_demo():
    """創建 Gradio 介面"""
    
    with gr.Blocks(title="語音錄音器") as demo:
        gr.Markdown("""
        # 🎤 語音錄音器
        
        按下「開始錄音」按鈕開始錄音，再次按下「停止錄音」按鈕停止並保存。
        錄音將保存為 16kHz 採樣率的 WAV 文件。
        """)
        
        with gr.Row():
            with gr.Column(scale=1):
                gr.Markdown("### 📝 錄音說明")
                gr.Markdown("""
                1. 點擊 **🔴 開始錄音** 按鈕
                2. 對著麥克風說話
                3. 點擊 **⏹️ 停止錄音** 按鈕
                4. 錄音將自動保存為 WAV 文件
                """)
                
                gr.Markdown("### ⚙️ 設定")
                gr.Markdown(f"""
                - 採樣率：**{SAMPLE_RATE} Hz**
                - 格式：**WAV**
                - 聲道：**單聲道**
                - 位元深度：**16-bit**
                """)
            
            with gr.Column(scale=2):
                # 錄音組件
                audio_input = gr.Audio(
                    label="🎤 錄音",
                    sources=["microphone"],
                    type="numpy",
                    waveform_options=gr.WaveformOptions(
                        sample_rate=SAMPLE_RATE,
                    ),
                )
                
                # 狀態顯示
                status_text = gr.Textbox(
                    label="📋 狀態",
                    placeholder="等待錄音...",
                    interactive=False,
                )
                
                # 保存的文件顯示
                audio_output = gr.Audio(
                    label="📁 已保存的錄音",
                    type="filepath",
                    interactive=False,
                )
                
                # 按鈕
                with gr.Row():
                    save_btn = gr.Button(
                        "💾 保存錄音",
                        variant="primary",
                        size="lg",
                    )
                    clear_btn = gr.Button(
                        "🗑️ 清除",
                        variant="secondary",
                        size="lg",
                    )
        
        # 錄音說明
        gr.Markdown("""
        ---
        ### 💡 使用提示
        
        - **錄音時**：請確保瀏覽器已授權麥克風權限
        - **停止錄音**：錄音完成後點擊「保存錄音」按鈕
        - **文件位置**：錄音保存在 `recordings/` 目錄下
        - **下載**：點擊音頻播放器右側的下載按鈕可下載文件
        """)
        
        # 事件處理
        save_btn.click(
            fn=process_recording,
            inputs=[audio_input],
            outputs=[audio_output, status_text],
        )
        
        clear_btn.click(
            fn=lambda: (None, "🗑️ 已清除"),
            inputs=[],
            outputs=[audio_input, status_text],
        )
    
    return demo


if __name__ == "__main__":
    # 創建並啟動應用
    demo = create_demo()
    demo.launch()