# **Workflow per Analitzar i Transcriure Arxius d’Àudio de Ràdio**

Aquest esquema mostra el procés per a **detectar patrons (falques, separadors), identificar veus i transcriure l’àudio de manera automàtica**.

s'ha instal·lat una instància d'A.N.a.B. 
https://secre.xab.cat/index.php

A.N.a.B. és un conjunt d'eines genials (coolkit) per gestionar arxius d'àudio de manera col·laborativa per a un grup de persones que volen compartir documents sonors: conferències, remescles musicals o arxius de ràdio.

- Pots importar tots els teus documents d'àudio a partir de fitxers d'àudio i vídeo amb una simple URL.
- El sistema extraurà una forma d'ona dels teus fitxers i només emmagatzemarà això al teu servidor.
- No emmagatzemarà el fitxer d'àudio ni l'àudio extret d'un vídeo, sinó només la forma d'ona.
- La proporció de forma d'ona a fitxer d'àudio és aproximadament d'1/10.

https://github.com/chevil/anab

```
[INPUT] → [Arxius MP3] → [Fingerprinting] → [Reconeixement de Veu] → [Transcripció] → [OUTPUT]
```

## ** 1. Captura i Processament Inicial**
- **Entrada:** Arxius `.mp3` en blocs d'1 a 5 hores.
- **Conversió a format compatible** (`ffmpeg` per convertir a `.wav` si cal)
- **Divisió en segments més manejables** (`pydub`, `sox` o `ffmpeg`)

```
+--------------------------------+
|  input/audio_20240201.mp3      |
+--------------------------------+
        │  (ffmpeg / pydub)
        ▼
+--------------------------------+
|  audio_20240201_segment1.wav   |
|  audio_20240201_segment2.wav   |
+--------------------------------+
```

## ** 2. Identificació de Falques i Separadors**
- **Objectiu:** Localitzar segments recurrents a l’àudio (falques publicitàries, sintonies, talls informatius...)
- **Fingerprinting amb `audfprint` o `Chromaprint`**
- **Comparació amb una base de dades prèviament entrenada**

```
+---------------------+
| Analitzant hash    |
+---------------------+
        │  (audfprint match)
        ▼
+---------------------+
| Coincidència!      |
| Falca detectada    |
+---------------------+
```

## ** 3. Diarització i Identificació de Veus**
- **Objectiu:** Saber **quan parla qui** en cada moment.
- **`pyannote.audio` per segmentació de locutors**
- **Coincidència amb mostres predefinides**

```sh
pipeline = SpeakerDiarization.from_pretrained("pyannote/speaker-diarization")
diarization = pipeline("audio_segment.wav")
```
```
+---------------------+
| 0s-30s: Speaker A  |
| 31s-55s: Speaker B  |
| 56s-90s: Speaker A  |
+---------------------+
```

## ** 4. Transcripció Automàtica**
- **Objectiu:** Convertir la veu en text per alimentar webs i bases de dades.
- **Whisper d’OpenAI (`base`, `medium`, `large`)**
- **DeepSpeech (entrenable, més privacitat)**

```sh
whisper audio_segment.wav --language ca --model medium
```
```
+---------------------+
| Transcripció       |
+---------------------+
| "Avui a les 9h..."|
| "Bon dia..."      |
+---------------------+
```

## ** 5. Generació de Resultats i Integració**
- **Objectiu:** Guardar i distribuir els resultats.
- **Indexació per hora i locutor**
- **Exportació en format JSON, TXT, RSS per webs de notícies**
- **Opció de revisió manual per millorar precisió**

```json
{
  "data": "2024-02-01",
  "hora": "09:00",
  "locutor": "Speaker A",
  "text": "Bon dia, comencem el butlletí informatiu..."
}
```

## **Implementació Bàsica en Python**
Exemple de pipeline bàsic en **Python**:
```python
import whisper
model = whisper.load_model("medium")
result = model.transcribe("audio_segment.wav")
print(result["text"])
```

## **Conclusions**
✔ **Automatització del flux de treball** des de la captura fins a la transcripció.  
✔ **Identificació de patrons i locutors** per segmentar millor el contingut.  
✔ **Sistema escalable** per gestionar volums grans d’àudio de ràdio de forma eficient.  
✔ **Possibilitat d’integració en APIs i CMS** per difondre contingut automàticament.