🎙️ AudioTranscript - API de Transcripción de Audio

Una API REST desarrollada en Flask que permite transcribir archivos de audio en español y convertirlos a documentos PDF o DOCX utilizando OpenAI Whisper.

✨ Características

• Transcripción optimizada para español con modelo Whisper Medium
• Múltiples formatos de audio (MP3, WAV, FLAC, M4A, AAC, OGG, WMA, MP4, AVI, MOV, MKV, WEBM)
• Generación de PDF y DOCX con metadatos profesionales
• Archivos grandes - Soporte hasta 1GB
• Interfaz web moderna con drag & drop
• API REST completa fácil de integrar

📁 Estructura Optimizada

transcribeAudio/
├── 🐍 app.py               # API Flask principal con CORS
├── 🌐 index.html           # Interfaz web profesional
├── 🧪 test_client.html     # Cliente alternativo para testing
├── 📦 requirements.txt     # Dependencias optimizadas
├── 📖 README.md            # Documentación completa
├── 🚀 Procfile             # Configuración para Render
├── 🐍 runtime.txt          # Python 3.11.8 para Render
├── 🔧 start.bat/start.sh   # Scripts de desarrollo local
├── ⚙️ .gitignore           # Configuración Git
├── 📁 uploads/             # Temporal (se limpia automáticamente)
├── 📁 outputs/             # Temporal (se limpia automáticamente)
├── 🐍 venv/                # Entorno virtual para desarrollo
└── 📂 .git/                # Control de versiones

🚀 Uso Rápido

Desarrollo Local

Windows:

start.bat

Linux/Mac:

chmod +x start.sh
./start.sh

Manual:

pip install -r requirements.txt
python app.py

Acceso Web

• Interfaz principal: http://localhost:5000
• Cliente de testing: Abrir test_client.html en el navegador

☁️ Deploy en Render

Configuración automática:

1. Conecta tu repositorio a Render
2. Render detectará automáticamente:
   • Procfile → Comando de inicio
   • requirements.txt → Dependencias
   • runtime.txt → Python 3.11.8

Variables de entorno (opcionales):

• FLASK_ENV=production (automático en Render)
• PORT (automático en Render)

# Doble clic en cualquiera de estos archivos
setup_and_run.bat      # Command Prompt
start_api.ps1          # PowerShell (requiere Set-ExecutionPolicy RemoteSigned)
start_api.sh          # Git Bash/WSL

Instalación Manual

1. Clonar o descargar el proyecto

cd transcribeAudio

2. Crear entorno virtual (recomendado)

python -m venv venv

3. Activar entorno virtual

   • Windows:

   source venv/Scripts/activate

   • Linux/Mac:

   source venv/bin/activate

4. Instalar dependencias

pip install -r requirements.txt

5. Instalar FFmpeg (requerido para procesamiento de audio):

   # En Windows con winget
   winget install --id=Gyan.FFmpeg -e

   IMPORTANTE: Después de instalar FFmpeg, debe reiniciar el terminal para que esté disponible en el PATH.

🔌 API Endpoints

GET /

Página principal con interfaz web

http://localhost:5000/

GET /health

Estado de la API y modelo

curl http://localhost:5000/health

Respuesta:

{
  "status": "OK",
  "model": "medium",
  "model_loaded": true,
  "language": "Spanish",
  "max_file_size": "1GB",
  "supported_formats": ["mp3", "wav", "flac", ...]
}

POST /transcribe

Transcribir archivo de audio

Parámetros:

• audio (archivo): Archivo de audio/video
• format (opcional): pdf o docx (default: pdf)

Ejemplo cURL:

# Transcribir a PDF
curl -X POST \
  -F "audio=@mi_audio.mp3" \
  -F "format=pdf" \
  http://localhost:5000/transcribe \
  --output transcripcion.pdf

# Transcribir a DOCX
curl -X POST \
  -F "audio=@mi_audio.mp3" \
  -F "format=docx" \
  http://localhost:5000/transcribe \
  --output transcripcion.docx

Respuesta exitosa:

• Archivo PDF/DOCX listo para descarga
• Headers con nombre del archivo y tipo de contenido

🌐 Interfaz Web

Interfaz Principal (http://localhost:5000)

• ✅ Drag & drop de archivos
• ✅ Validación automática de formatos
• ✅ Barra de progreso en tiempo real
• ✅ Descarga automática
• ✅ Estado de conexión con la API

Cliente de Testing (test_client.html)

• ✅ Testing rápido de la API
• ✅ Información detallada de respuestas
• ✅ Modo desarrollador

📋 Formatos Soportados

Audio:

MP3, WAV, FLAC, M4A, AAC, OGG, WMA

Video:

MP4, AVI, MOV, MKV, WEBM (extrae audio automáticamente)

Salida:

PDF (profesional) | DOCX (editable)

⚙️ Configuración Técnica

Modelo Whisper

• Modelo: medium (769 MB)
• Idioma: Español optimizado
• Precisión: Excelente para español

Límites

• Tamaño máximo: 1GB por archivo
• Tiempo de procesamiento: ~1-3 min por hora de audio
• Formatos automáticos: Conversión automática con FFmpeg

🔧 Troubleshooting

Problemas Comunes

❌ "FFmpeg no encontrado"

# Windows
winget install ffmpeg
# Reiniciar terminal después de instalar

# Mac
brew install ffmpeg

# Linux
sudo apt install ffmpeg

❌ "API desconectada" en navegador

• Verificar que python app.py esté ejecutándose
• Comprobar que no hay otro proceso en puerto 5000
• Revisar firewall/antivirus

❌ "Modelo no cargado"

• Esperar a que termine de descargar (~769 MB primera vez)
• Verificar conexión a internet
• Reiniciar la aplicación

❌ Error de memoria

• Archivos muy grandes: dividir el audio
• Cerrar otras aplicaciones pesadas
• Usar modelo base en lugar de medium

📞 Soporte

• 🌐 Website: taylorasprilla.dev
• 📧 Email: taylor.asprilla@gmail.com
• 📦 GitHub: AudioTranscript

---

🎉 ¡Proyecto listo para usar!

Desarrollo local: start.bat o ./start.sh Deploy: Push a Render Interfaz: http://localhost:5000

Por defecto se usa el modelo base. Puedes cambiar a otros modelos editando la línea en app.py:

model = whisper.load_model("base")  # Opciones: tiny, base, small, medium, large

Modelos disponibles:

• tiny: Más rápido, menos preciso (~39 MB)
• base: Balance entre velocidad y precisión (~74 MB)
• small: Mejor precisión, más lento (~244 MB)
• medium: Excelente precisión, considerablemente más lento (~769 MB) ACTUAL
• large: Máxima precisión, muy lento (~1550 MB)

Licencia

Este proyecto está bajo la Licencia MIT.

Soporte

Para reportar bugs o solicitar features, por favor crear un issue en el repositorio del proyecto.