Update asr.py

asr.py

@@ -1,10 +1,11 @@
 import torch
 import whisper
-from ..config import settings
 from typing import Dict, Any, Optional
 import os
-
-_model = whisper.load_model(settings.ASR_MODEL)
+from .preprocessing import clean_audio
+from .diarization import diarize_segments
+from .medical_terms import load_turkish_medical_terms
+from .advanced_term_correction import MedicalTermCorrector
 
 class MedicalASR:
     def __init__(self, config: Dict[str, Any]):
@@ -27,8 +28,11 @@ class MedicalASR:
         # Modeli yükle
         self.model = whisper.load_model(self.model_name, device=self.device)
         
-        # Türkçe tıbbi terim sözlüğü - gerçek bir uygulama için genişletilebilir
-        self.medical_terms = self._load_medical_terms()
+        # Türkçe tıbbi terim sözlüğü
+        self.medical_terms = load_turkish_medical_terms()
+        
+        # Gelişmiş terim düzeltici
+        self.term_corrector = MedicalTermCorrector(self.medical_terms)
     
     def _load_medical_terms(self) -> Dict[str, str]:
         """Türkçe tıbbi terim sözlüğünü yükler"""
@@ -40,54 +44,77 @@ class MedicalASR:
             # ... daha fazla tıbbi terim
         }
     
-    def transcribe(self, audio_file: str, speaker_diarization: bool = True) -> Dict[str, Any]:
+    def transcribe(self, audio_file: str, speaker_diarization: bool = True, enhance_audio: bool = True) -> Dict[str, Any]:
         """
         Ses dosyasını transkribe eder
         
         Args:
             audio_file: Ses dosyasının yolu
             speaker_diarization: Konuşmacı diyarizasyonu yapılsın mı
+            enhance_audio: Ses iyileştirme yapılsın mı
             
         Returns:
             Transkripsiyon sonuçları
         """
-        # Transkripsiyon için Whisper modelini kullan
+        # 1. Ses iyileştirme (optional)
+        if enhance_audio:
+            processed_file = clean_audio(audio_file)
+        else:
+            processed_file = audio_file
+        
+        # 2. Transkripsiyon
         transcribe_options = {
             "language": self.language,
             "task": "transcribe",
+            "beam_size": 5,  # Daha geniş arama ile alternatif kelimeleri değerlendir
+            "best_of": 5,    # En iyi sonucu seç
+            "temperature": 0, # Deterministik sonuçlar için
+            "initial_prompt": "Çocuk doktoru vizitesi, pediatri uzmanı, çocuk hastalıkları, yenidoğan"  # Modele ipucu ver
         }
         
-        result = self.model.transcribe(audio_file, **transcribe_options)
+        result = self.model.transcribe(processed_file, **transcribe_options)
         
-        # Tıbbi terimleri düzelt
+        # 3. Tıbbi terimleri düzelt
         corrected_text = self._correct_medical_terms(result["text"])
         result["text"] = corrected_text
         
-        # Diyarizasyon isteniyorsa ekle
+        # 4. Diyarizasyon isteniyorsa ekle
         if speaker_diarization:
-            # Burada bir diyarizasyon kütüphanesi kullanılabilir (pyannote.audio gibi)
-            # Bu örnekte yapmıyoruz
-            pass
+            segments = diarize_segments(processed_file)
+            
+            # Basit bir yaklaşım: Segmentlerin zaman etiketlerini kullanarak 
+            # Whisper'ın döndürdüğü segmentleri konuşmacılara atayabiliriz
+            if "segments" in result:
+                whisper_segments = result["segments"]
+                
+                # Her bir diyarizasyon segmenti için
+                for diar_seg in segments:
+                    # Whisper segmentlerinden hangilerinin bu diyarizasyon segmentinde 
+                    # olduğunu bulalım
+                    for whisper_seg in whisper_segments:
+                        w_start = whisper_seg["start"]
+                        w_end = whisper_seg["end"]
+                        
+                        # Zaman aralıkları çakışıyorsa
+                        if (diar_seg["start"] <= w_end and diar_seg["end"] >= w_start):
+                            if not diar_seg["text"]:
+                                diar_seg["text"] = whisper_seg["text"]
+                            else:
+                                diar_seg["text"] += " " + whisper_seg["text"]
+            
+            result["diarization"] = segments
         
         return result
     
     def _correct_medical_terms(self, text: str) -> str:
-        """
-        Transkribe edilmiş metindeki tıbbi terimleri düzeltir
-        
-        Args:
-            text: Düzeltilecek metin
-            
-        Returns:
-            Düzeltilmiş metin
-        """
-        # Bu basit bir örnek - daha gelişmiş NLP teknikleri kullanılabilir
-        for term, correct_form in self.medical_terms.items():
-            # Basit string değiştirme - gerçek uygulamada daha sofistike olmalı
-            text = text.replace(term, correct_form)
-        
-        return text
+        """Transkribe edilmiş metindeki tıbbi terimleri düzeltir"""
+        # Gelişmiş düzelticiyi kullan
+        return self.term_corrector.correct_text(text)
 
+# Basit dosya transkripsiyon fonksiyonu
 def transcribe_file(file_path: str) -> str:
+    # Bu fonksiyon eski API için burada bırakıldı
+    from config import settings
+    _model = whisper.load_model(settings.ASR_MODEL)
     result = _model.transcribe(file_path)
-    return result.get('text', '').strip()
+    return result.get('text', '').strip()