# -*- coding: utf-8 -*-
"""Whisper-Rücktranskription: WAS sagt die Stimme WIRKLICH? Liest die generierten Wörter, damit man
beim Fine-Tunen SEHEN kann, wo Pocket Zahlen/Wörter vermurkst (statt nur zu hören/raten).

Nutzung:  python transcribe.py [ordner-mit-wavs]
Default-Ordner: C:\\Users\\TobisPC\\Desktop\\lucy_pocket_tune
"""
import os, sys, glob
import soundfile as sf
from faster_whisper import WhisperModel

DIR = sys.argv[1] if len(sys.argv) > 1 else r"C:\Users\TobisPC\Desktop\lucy_pocket_tune"
w = WhisperModel("small", device="cpu", compute_type="int8")
for p in sorted(glob.glob(os.path.join(DIR, "*.wav"))):
    a, sr = sf.read(p)
    seg, _ = w.transcribe(p, language="de", beam_size=5)
    txt = " ".join(s.text for s in seg).strip()
    print(f"[{os.path.basename(p)}]  ({len(a)/sr:.1f}s)")
    print(f"   HÖRT WHISPER: {txt}\n")