Transcribator

Transcribator — небольшой проект для работы с Deepgram API: распознавание речи (Speech-to-Text) с помощью Python SDK.

Структура проекта

• StartDG.py — пример транскрибации аудио по URL с помощью DeepgramClient (модель nova-3, язык en).
• ListenSteam.py — потоковая (streaming) транскрибация живого аудиопотока (интернет-радио) в реальном времени, с сохранением распознанного текста в файл.
• TeamsTranscribe.py — GUI-приложение для расшифровки звонков (Microsoft Teams и подобных) в реальном времени: отдельные потоки для микрофона и системного звука, разделение по говорящим (diarization) и экспорт транскрипта. Точка входа; вся логика — в пакете teams_transcribe/.

Требования

• Python 3.10+
• Пакеты deepgram-sdk, python-dotenv, PyAudioWPatch
• TeamsTranscribe.py работает только в Windows: захват системного звука (loopback) реализован через WASAPI средствами PyAudioWPatch.

Установка

1. Создать и активировать виртуальное окружение:

   python -m venv .venv
   .venv\Scripts\Activate.ps1

2. Установить зависимости:

   pip install -r requirements.txt

3. Создать файл .env в корне проекта на основе .env.example и указать в нём свой API-ключ:

   DEEPGRAM_API_KEY=ваш_ключ
   

Запуск

.venv\Scripts\python.exe StartDG.py

Скрипт скачает пример аудио по URL и выведет полный ответ API, а затем — только текст транскрипта.

ListenSteam.py — потоковая транскрибация

.venv\Scripts\python.exe ListenSteam.py
.venv\Scripts\python.exe ListenSteam.py --OutFile Session1

Скрипт подключается к живому аудиопотоку (интернет-радио) и распознаёт речь в реальном времени через Deepgram Streaming API. В консоль построчно выводятся промежуточные ([Interim]) и финальные ([ FINAL ]) результаты распознавания, а финальные фразы одновременно сохраняются в текстовый файл (по одной фразе на строку). Остановить прослушивание можно через Ctrl+C.

Имя выходного файла:

• Без параметра --OutFile файл называется:

  DeepGram[DD-MM-YYYY]_[HH-MM].txt
  

  где [DD-MM-YYYY]_[HH-MM] — дата и время запуска скрипта, например DeepGram26-08-2026_11-09.txt.

• С параметром --OutFile <имя> итоговое имя файла формируется так:

  1. Из переданного <имя> удаляются все символы, недопустимые в именах файлов Windows (< > : " / \ | ? *, а также управляющие символы).
  2. Результат обрезается до 20 символов (лишнее отбрасывается с правого края, т.е. остаются первые 20 символов).
  3. К обрезанной строке конкатенируется [DD-MM-YYYY]_[HH-MM].txt (дата и время запуска).

  Например, --OutFile 'My<>Radio_Session_Name_TooLong' при запуске 26.08.2026 в 11:09 даст файл MyRadio_Session_Name26-08-2026_11-09.txt.

TeamsTranscribe.py — расшифровка звонков (GUI)

.venv\Scripts\python.exe TeamsTranscribe.py

GUI-приложение для расшифровки звонков (Microsoft Teams, Google Meet, Zoom и аналогов) в реальном времени. Захватывает два аудиопотока одновременно — микрофон и системный звук (WASAPI loopback, т.е. то, что слышно из динамиков: голоса удалённых участников) — и распознаёт их независимо через Deepgram Streaming API (модель nova-3). Системный поток распознаётся с разделением по говорящим (diarization): каждый новый голос появляется в списке «Участники» с автоматическим именем, которое можно переименовать прямо во время разговора. Переименование применяется ко всем репликам этого говорящего в итоговом транскрипте (transcript.txt/transcript.json), даже к уже произнесённым; в окне программы уже показанные строки сохраняют то имя, что было на момент их появления.

В окне приложения задаются:

• Микрофон и Системный звук — устройства захвата (выбираются из списков, обнаруженных PyAudioWPatch);
• Язык распознавания — русский, английский, немецкий или мультиязычный (code-switching);
• Имя сессии (опционально) — префикс для имени папки с результатами;
• Сохранять сырое аудио (WAV) — если отмечено, помимо транскрипта сохраняются и аудиодорожки.

Кнопка «Начать» запускает захват и создаёт папку сессии; кнопка «Стоп» останавливает захват и записывает итоговые файлы транскрипта; кнопка «Заглушить микрофон» временно отключает передачу звука с микрофона в Deepgram (сам захват не останавливается) — повторное нажатие включает микрофон обратно.

Папка сессии и экспортируемые файлы:

Папка создаётся в момент нажатия «Начать» рядом со скриптом, её имя формируется так же, как имя файла у ListenSteam.py (--OutFile): без «Имени сессии» используется DeepGramMeeting, при заданном имени оно очищается от недопустимых в Windows символов и обрезается до 20 символов — итоговое имя папки выглядит как:

DeepGramMeeting[DD-MM-YYYY]_[HH-MM]/

После нажатия «Стоп» в папке сессии появляются:

• transcript.txt — реплики всех говорящих (микрофон и участники) в хронологическом порядке, с меткой времени и именем говорящего;
• transcript.json — те же данные в структурированном виде (говорящий, источник, таймкод, текст);
• speakers/<Имя>.txt — отдельный файл с репликами каждого говорящего (по имени, присвоенному или переименованному в GUI);
• mic.wav и system.wav — сырые записи микрофона и системного звука, если была включена опция «Сохранять сырое аудио (WAV)».

⚠️Перед началом записи приложение показывает уведомление о согласии на запись: оно расшифровывает весь разговор целиком, включая голоса удалённых участников, поэтому получение согласия участников на запись и соблюдение политики компании/законодательства — ответственность пользователя приложения.

Безопасность: API-ключ

API-ключ Deepgram не хранится в коде — все три скрипта (StartDG.py, ListenSteam.py и TeamsTranscribe.py) загружают его из переменной окружения DEEPGRAM_API_KEY (через python-dotenv и файл .env). Файл .env добавлен в .gitignore и не должен попадать в систему контроля версий.