Update diarization.py

diarization.py

@@ -1,11 +1,101 @@
 from pyannote.audio import Pipeline
-from ..config import settings
+from config import settings
 
 _diar_pipeline = Pipeline.from_pretrained(settings.DIAR_MODEL)
 
-def diarize_segments(file_path: str) -> list:
-    diarization = _diar_pipeline(file_path)
-    segments = []
-    for turn, _, speaker in diarization.itertracks(yield_label=True):
-        segments.append((turn.start, turn.end, speaker))
-    return segments
+def diarize_segments(audio_path, segments):
+    """
+    Konuşma segmentlerini konuşmacılara göre ayırır
+    
+    Parameters:
+    -----------
+    audio_path : str
+        Ses dosyasının tam yolu
+    segments : list
+        ASR tarafından oluşturulan zaman damgalı segmentler
+        
+    Returns:
+    --------
+    list
+        Konuşmacı bilgisi eklenmiş segmentler
+    """
+    try:
+        # Pyannote modelini yükle
+        import os
+        import torch
+        from pyannote.audio import Pipeline
+        
+        # HuggingFace token kontrolü 
+        token = os.environ.get("HF_TOKEN")
+        if not token:
+            print("UYARI: HF_TOKEN bulunamadı, diyarizasyon atlanıyor.")
+            # Tüm segmentleri Konuşmacı 1 olarak işaretle
+            for seg in segments:
+                seg["speaker"] = "Konuşmacı 1"
+            return segments
+            
+        # Pyannote pipeline'ını oluştur
+        pipeline = Pipeline.from_pretrained(
+            "pyannote/speaker-diarization-3.0", 
+            use_auth_token=token
+        )
+        
+        # GPU varsa kullan
+        if torch.cuda.is_available():
+            pipeline = pipeline.to(torch.device("cuda"))
+        
+        # Diyarizasyon yap
+        diarization = pipeline(audio_path)
+        
+        # Konuşmacı etiketlerini oluştur (Hekim, Asistan, vs.)
+        speaker_labels = {}
+        
+        # Segmentlere konuşmacı bilgisi ekle
+        for seg in segments:
+            seg_start = seg["start"]
+            seg_end = seg["end"]
+            
+            # Bu segment için en çok konuşan kişiyi bul
+            speaker_times = {}
+            for turn, _, speaker in diarization.itertracks(yield_label=True):
+                # Segment ve konuşma turu arasındaki çakışmayı hesapla
+                overlap_start = max(seg_start, turn.start)
+                overlap_end = min(seg_end, turn.end)
+                
+                if overlap_end > overlap_start:  # Çakışma varsa
+                    duration = overlap_end - overlap_start
+                    speaker_times[speaker] = speaker_times.get(speaker, 0) + duration
+            
+            # En uzun konuşan kişiyi bul
+            if speaker_times:
+                max_speaker = max(speaker_times, key=speaker_times.get)
+                
+                # Konuşmacıyı etiketle
+                if max_speaker not in speaker_labels:
+                    # Yeni konuşmacı tespit edildi
+                    # Pediatri bağlamında etiketler belirle (ilk konuşmacı genelde hekim)
+                    idx = len(speaker_labels) + 1
+                    if idx == 1:
+                        label = "Hekim"
+                    elif idx == 2:
+                        label = "Asistan"
+                    elif idx == 3:
+                        label = "Ebeveyn"
+                    else:
+                        label = f"Konuşmacı {idx}"
+                    
+                    speaker_labels[max_speaker] = label
+                
+                seg["speaker"] = speaker_labels[max_speaker]
+            else:
+                # Diyarizasyon bilgisi yoksa
+                seg["speaker"] = "Bilinmeyen Konuşmacı"
+        
+        return segments
+    
+    except Exception as e:
+        # Hata durumunda basit etiketleme yap
+        print(f"Diyarizasyon hatası: {str(e)}")
+        for seg in segments:
+            seg["speaker"] = "Konuşmacı"
+        return segments