feat: initial commit
This commit is contained in:
@@ -0,0 +1,6 @@
|
|||||||
|
.venv/
|
||||||
|
__pycache__/
|
||||||
|
*.pyc
|
||||||
|
*.egg-info/
|
||||||
|
dist/
|
||||||
|
build/
|
||||||
@@ -0,0 +1,48 @@
|
|||||||
|
PREFIX ?= $(HOME)/.local
|
||||||
|
BINDIR ?= $(PREFIX)/bin
|
||||||
|
PROG ?= video2srt
|
||||||
|
PYTHON ?= python3
|
||||||
|
VENV ?= .venv
|
||||||
|
BACKEND ?= rocm
|
||||||
|
|
||||||
|
PIP := $(VENV)/bin/pip
|
||||||
|
|
||||||
|
ifeq ($(BACKEND),rocm)
|
||||||
|
TORCH_INDEX := --index-url https://download.pytorch.org/whl/rocm6.3
|
||||||
|
else ifeq ($(BACKEND),cuda)
|
||||||
|
TORCH_INDEX := --index-url https://download.pytorch.org/whl/cu124
|
||||||
|
else ifeq ($(BACKEND),cpu)
|
||||||
|
TORCH_INDEX :=
|
||||||
|
else
|
||||||
|
$(error Unknown BACKEND=$(BACKEND), expected: rocm | cuda | cpu)
|
||||||
|
endif
|
||||||
|
|
||||||
|
.PHONY: build install clean uninstall
|
||||||
|
|
||||||
|
build: $(VENV)/.installed
|
||||||
|
|
||||||
|
$(VENV)/.torch-$(BACKEND): | $(VENV)
|
||||||
|
$(PIP) install torch torchaudio $(TORCH_INDEX)
|
||||||
|
touch $@
|
||||||
|
|
||||||
|
$(VENV)/.installed: pyproject.toml $(VENV)/.torch-$(BACKEND)
|
||||||
|
$(PIP) install -e .
|
||||||
|
ifeq ($(BACKEND),rocm)
|
||||||
|
$(PIP) uninstall -y triton || true
|
||||||
|
$(PIP) install --force-reinstall --no-deps pytorch-triton-rocm $(TORCH_INDEX)
|
||||||
|
endif
|
||||||
|
touch $@
|
||||||
|
|
||||||
|
$(VENV):
|
||||||
|
$(PYTHON) -m venv $(VENV)
|
||||||
|
|
||||||
|
$(BINDIR)/$(PROG): $(VENV)/.installed
|
||||||
|
install -D -m 755 $(VENV)/bin/$(PROG) $@
|
||||||
|
|
||||||
|
install: $(BINDIR)/$(PROG)
|
||||||
|
|
||||||
|
clean:
|
||||||
|
rm -rf $(VENV)
|
||||||
|
|
||||||
|
uninstall:
|
||||||
|
rm -f $(BINDIR)/$(PROG)
|
||||||
@@ -0,0 +1,27 @@
|
|||||||
|
# video2srt
|
||||||
|
|
||||||
|
Generate an English `.srt` next to each video using [stable-ts](https://github.com/jianfch/stable-ts), with Demucs vocal isolation to fight hallucinations on noisy or musical audio.
|
||||||
|
|
||||||
|
## Install
|
||||||
|
|
||||||
|
Requires Python 3.11 and `make`.
|
||||||
|
|
||||||
|
```sh
|
||||||
|
make # AMD ROCm (default)
|
||||||
|
make BACKEND=cuda # NVIDIA CUDA
|
||||||
|
make BACKEND=cpu # CPU-only
|
||||||
|
|
||||||
|
make install # install .venv/bin/video2srt to ~/.local/bin
|
||||||
|
make clean # remove .venv
|
||||||
|
```
|
||||||
|
|
||||||
|
## Usage
|
||||||
|
|
||||||
|
```sh
|
||||||
|
video2srt movie.mkv # translate to English (default)
|
||||||
|
video2srt -t movie.mkv # transcribe in source language
|
||||||
|
video2srt -l ja movie.mkv # force Japanese source language
|
||||||
|
video2srt --no-denoise movie.mkv # skip Demucs vocal isolation
|
||||||
|
video2srt -o english.srt movie.mkv # custom output path
|
||||||
|
video2srt -f *.mkv # batch overwrite
|
||||||
|
```
|
||||||
@@ -0,0 +1,68 @@
|
|||||||
|
[project]
|
||||||
|
name = "video2srt"
|
||||||
|
version = "0.1.0"
|
||||||
|
description = "Generate an English .srt next to each video using stable-ts."
|
||||||
|
requires-python = "==3.11.*"
|
||||||
|
dependencies = [
|
||||||
|
"stable-ts~=2.19.1",
|
||||||
|
"demucs~=4.0.1",
|
||||||
|
]
|
||||||
|
|
||||||
|
[project.scripts]
|
||||||
|
video2srt = "video2srt.cli:main"
|
||||||
|
|
||||||
|
[build-system]
|
||||||
|
requires = ["setuptools>=75.8"]
|
||||||
|
build-backend = "setuptools.build_meta"
|
||||||
|
|
||||||
|
[tool.ruff]
|
||||||
|
line-length = 80
|
||||||
|
preview = true
|
||||||
|
|
||||||
|
[tool.ruff.lint]
|
||||||
|
select = [
|
||||||
|
"YTT",
|
||||||
|
"ANN",
|
||||||
|
"ASYNC",
|
||||||
|
"B",
|
||||||
|
"A",
|
||||||
|
"COM",
|
||||||
|
"C4",
|
||||||
|
"DTZ",
|
||||||
|
"T10",
|
||||||
|
"FIX",
|
||||||
|
"FA",
|
||||||
|
"ISC",
|
||||||
|
"PIE",
|
||||||
|
"PYI",
|
||||||
|
"PT",
|
||||||
|
"RET",
|
||||||
|
"SIM",
|
||||||
|
"TC",
|
||||||
|
"I",
|
||||||
|
"C90",
|
||||||
|
"DOC",
|
||||||
|
"D",
|
||||||
|
"F",
|
||||||
|
"PL",
|
||||||
|
"UP",
|
||||||
|
"RUF"
|
||||||
|
]
|
||||||
|
ignore = [
|
||||||
|
"A001",
|
||||||
|
"D100",
|
||||||
|
"D101",
|
||||||
|
"D103",
|
||||||
|
"D104",
|
||||||
|
"D202",
|
||||||
|
"D203",
|
||||||
|
"D212",
|
||||||
|
"D301",
|
||||||
|
"D413",
|
||||||
|
"TC006",
|
||||||
|
"COM812",
|
||||||
|
"PLR0913",
|
||||||
|
"PLR0917",
|
||||||
|
"PYI011",
|
||||||
|
"UP031"
|
||||||
|
]
|
||||||
@@ -0,0 +1,134 @@
|
|||||||
|
"""Generate an English .srt next to each video using stable-ts."""
|
||||||
|
|
||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import argparse
|
||||||
|
import os
|
||||||
|
import sys
|
||||||
|
import warnings
|
||||||
|
from pathlib import Path
|
||||||
|
from typing import TYPE_CHECKING
|
||||||
|
|
||||||
|
warnings.filterwarnings("ignore", message=r".*FP16 is not supported.*")
|
||||||
|
warnings.filterwarnings("ignore", message=r".*Word-level timestamps.*")
|
||||||
|
warnings.filterwarnings("ignore", message=r".*non-tuple sequence.*")
|
||||||
|
|
||||||
|
import stable_whisper
|
||||||
|
import torch
|
||||||
|
|
||||||
|
if TYPE_CHECKING:
|
||||||
|
from whisper.model import (
|
||||||
|
Whisper,
|
||||||
|
)
|
||||||
|
|
||||||
|
DEFAULT_MODEL = os.environ.get("WHISPER_MODEL", "large-v3")
|
||||||
|
DEFAULT_DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
|
||||||
|
|
||||||
|
|
||||||
|
def output_stem(video: Path, override: str | None) -> Path:
|
||||||
|
if override:
|
||||||
|
path = Path(override)
|
||||||
|
return path.with_suffix("") if path.suffix == ".srt" else path
|
||||||
|
return video.with_suffix("")
|
||||||
|
|
||||||
|
|
||||||
|
def process(video: Path, model: Whisper, args: argparse.Namespace) -> None:
|
||||||
|
out_stem = output_stem(video, args.output)
|
||||||
|
srt = out_stem.with_suffix(".srt")
|
||||||
|
|
||||||
|
if srt.exists() and not args.force:
|
||||||
|
print(f"skip: {srt} exists (use --force to overwrite)")
|
||||||
|
return
|
||||||
|
|
||||||
|
out_stem.parent.mkdir(parents=True, exist_ok=True)
|
||||||
|
print(f">> {video}")
|
||||||
|
|
||||||
|
result: stable_whisper.WhisperResult = model.transcribe( # type: ignore
|
||||||
|
str(video),
|
||||||
|
task="translate" if args.translate else "transcribe",
|
||||||
|
language=None if args.lang == "auto" else args.lang,
|
||||||
|
suppress_silence=True,
|
||||||
|
denoiser="demucs" if args.denoiser else None,
|
||||||
|
)
|
||||||
|
result.to_srt_vtt(
|
||||||
|
str(srt), word_level=False, segment_level=True
|
||||||
|
)
|
||||||
|
|
||||||
|
print(f"<< {srt}")
|
||||||
|
|
||||||
|
|
||||||
|
def main() -> int:
|
||||||
|
p = argparse.ArgumentParser(
|
||||||
|
prog="video2srt",
|
||||||
|
description="Generate an English .srt next to each video using stable-ts.",
|
||||||
|
)
|
||||||
|
p.add_argument("videos", nargs="+", type=Path, metavar="VIDEO")
|
||||||
|
p.add_argument(
|
||||||
|
"-t",
|
||||||
|
"--transcribe",
|
||||||
|
dest="translate",
|
||||||
|
action="store_false",
|
||||||
|
help="Transcribe in source language (default: translate to English)",
|
||||||
|
)
|
||||||
|
p.add_argument(
|
||||||
|
"-l",
|
||||||
|
"--lang",
|
||||||
|
default="auto",
|
||||||
|
help="Source language code or 'auto' (default: auto)",
|
||||||
|
)
|
||||||
|
p.add_argument(
|
||||||
|
"-m",
|
||||||
|
"--model",
|
||||||
|
default=DEFAULT_MODEL,
|
||||||
|
help=f"Whisper model name or path (default: {DEFAULT_MODEL})",
|
||||||
|
)
|
||||||
|
p.add_argument(
|
||||||
|
"-o",
|
||||||
|
"--output",
|
||||||
|
help="Output .srt path (single input only; default: <video>.srt)",
|
||||||
|
)
|
||||||
|
p.add_argument(
|
||||||
|
"-f",
|
||||||
|
"--force",
|
||||||
|
action="store_true",
|
||||||
|
help="Overwrite existing .srt",
|
||||||
|
)
|
||||||
|
p.add_argument(
|
||||||
|
"--no-denoise",
|
||||||
|
dest="denoiser",
|
||||||
|
action="store_false",
|
||||||
|
help="Disable Demucs denoiser (default: on; isolates vocals from music/ambient)",
|
||||||
|
)
|
||||||
|
p.add_argument(
|
||||||
|
"--device",
|
||||||
|
default=DEFAULT_DEVICE,
|
||||||
|
help=f"Compute device: cuda, cpu, mps (default: {DEFAULT_DEVICE})",
|
||||||
|
)
|
||||||
|
|
||||||
|
args = p.parse_args()
|
||||||
|
|
||||||
|
if args.output and len(args.videos) > 1:
|
||||||
|
p.error("--output cannot be combined with multiple input files")
|
||||||
|
|
||||||
|
videos: list[Path] = []
|
||||||
|
for video in args.videos:
|
||||||
|
if video.is_file():
|
||||||
|
videos.append(video)
|
||||||
|
else:
|
||||||
|
print(f"skip: {video} (not a file)", file=sys.stderr)
|
||||||
|
|
||||||
|
if not videos:
|
||||||
|
print("no valid input files", file=sys.stderr)
|
||||||
|
return 1
|
||||||
|
|
||||||
|
print(f"loading model {args.model} on {args.device}...")
|
||||||
|
model = stable_whisper.load_model(args.model, device=args.device)
|
||||||
|
|
||||||
|
for video in videos:
|
||||||
|
process(video, model, args)
|
||||||
|
|
||||||
|
return 0
|
||||||
|
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
sys.exit(main())
|
||||||
Reference in New Issue
Block a user