テックブログ

import os

from google.cloud import storage
from pydub import AudioSegment
from pydub.silence import split_on_silence


def convert_and_save_audio(chunk, output):
    # ステレオ音声からモノラル音声に変換
    # 音声データのサンプリングレートを16000Hzに変換
    chunk = chunk.set_channels(1)
    chunk = chunk.set_frame_rate(16000)
    chunk.export(output, format="wav")


def split_audio(file_path, work_dir, max_file_size, min_silence_len, keep_silence, silence_thresh):
    # 音声ファイルを分割
    """
    file_path (str): 音声ファイルのパス
    work_dir (str): 分割された音声ファイルの出力先
    max_file_size (int): 出力される音声ファイルの最大サイズ
    min_silence_len (int): 無音として識別される最小の持続時間
    keep_silence (int): 音声が無音部分で分割された後、各チャンクの先頭または末尾に保持する無音の持続時間
    silence_thresh (int): 無音として識別される音量の閾値
    """
    sound = AudioSegment.from_file(file_path, format="wav")
    total_length = len(sound)
    total_size = os.path.getsize(file_path)
    max_length = total_length * (max_file_size / total_size)  # ファイルサイズと時間から、分割する最大時間を取得する

    # 無音部分をカットして分割
    chunks = split_on_silence(
        sound,
        min_silence_len=min_silence_len,
        silence_thresh=silence_thresh,
        keep_silence=keep_silence,
    )

    # 分割したチャンクをmax_lengthごとに結合
    current_chunk = None
    for i, c in enumerate(chunks):
        if current_chunk is None:
            current_chunk = c
            continue
        temp_chunk = current_chunk + c
        outFilePath = f"{work_dir}/audio_part_{i + 1}.wav"
        if len(temp_chunk) > max_length:
            convert_and_save_audio(current_chunk, outFilePath)
            current_chunk = c
        else:
            if i == len(chunks) - 1:
                convert_and_save_audio(temp_chunk, outFilePath)
            else:
                current_chunk += c


def upload_to_bucket(bucket_name, work_dir):
    # 音声ファイルをGCSにアップロード
    storage_client = storage.Client()
    bucket = storage_client.get_bucket(bucket_name)

    for filename in os.listdir(work_dir):
        blob = bucket.blob(filename)
        blob.upload_from_filename(os.path.join(work_dir, filename))

    print("Files uploaded to {}.".format(bucket_name))


if __name__ == "__main__":
    api_key_path = "api_key_path"
    os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = api_key_path

    file_path = "file_path"
    work_dir = "work_dir"
    os.makedirs(work_dir, exist_ok=True)

    max_file_size = 50 * 1000 * 1000 * 0.9 # 50MBぐらいの音声ファイルに分割
    min_silence_len = 500
    keep_silence = 500
    silence_thresh = -90

    split_audio(file_path, work_dir, max_file_size, min_silence_len, keep_silence, silence_thresh)

    upload_to_bucket("bucket_name", work_dir)