README

README.md

@@ -1,3 +1,215 @@
-# sboby
+# sboby - Trascrivere una registrazione audio
 
-Trascrivere una registrazione audio
+*Sbobinare, parola amara.*
+
+![sboby](sboby.jpg){ width=90% }
+
+Il metodo gramo, passo passo ma così educazionale che ti sale la gioia.  
+Feel free di saltare le parti ovvie o di arredare il tunnel come meglio si crede.
+
+Funziona con Debian 11 stable.
+
+# Installare il software che useremo:
+
+    sudo apt install python3 ffmpeg unzip mediainfo
+
+Lanciare un terminale e creare una directory dove lavorare con il file ad esempio: audio.mp3
+
+    mkdir ~/sbobina
+    cd ~/sbobina/
+
+    ls
+
+`audio.mp3`
+
+# Convertire il file in mp4
+
+    ffmpeg -i audio.mp3 audio.mp4
+
+# Se il file è molto lungo
+
+*es: più di due ore e mezzo*
+
+Sarà utile spezzarlo in più parti, sennò lo script potrebbe fallire perché
+gli finisce la memoria, ma non gliene faremo una colpa.
+
+Sapere quanto dura:
+
+    mediainfo audio.mp4 | grep Duration
+
+`Duration: 2 h 00 min`
+
+In questo esempio il file esattamente dura due ore e lo si vuole dividere in due
+parti di un'ora ciascuna:
+
+    ffmpeg -ss 00:00:00 -t 01:00:00 -i audio.mp4 -vcodec copy -acodec copy audio-0-1.mp4
+
+    ffmpeg -ss 00:01:00 -t 01:00:00 -i audio.mp4 -vcodec copy -acodec copy audio-1-2.mp4
+
+    ls
+
+```
+audio.mp3
+audio.mp4
+audio-0-1.mp4
+audio-1-2.mp4
+```
+
+# Trascrivere i file
+
+Per trascrivere (o sbobinare), si installeranno videogrep e vosk
+
+    pip3 install videogrep
+    
+    pip3 install vosk
+
+# Modulo lingua italiana per Vosk
+
+Scaricare e scompattare il modulo lingua italiana per Vosk
+
+    wget https://alphacephei.com/vosk/models/vosk-model-small-it-0.4.zip
+
+    unzip vosk-model-small-it-0.4.zip
+
+# Trascrivere
+
+la prima ora:
+
+    videogrep --input audio-0-1.mp4 --model vosk-model-small-it-0.4/ --transcribe
+
+Durata della conversione: circa 15 minuti. La durata dipenderà dalla potenza del PC usato.
+
+la seconda ora:
+
+    videogrep --input audio-1-2.mp4 --model vosk-model-small-it-0.4/ --transcribe
+
+Si ottengono due JSON file
+
+    ls
+
+```
+audio-0-1.json
+audio-1-2.json
+```
+
+I JSON file sono comodissimi dal punto di vista di una macchina. Se lo scopo
+della trascrizione è editare il video usando videogrep, si può procedere. Tra i
+link c'è il tutorial di videogrep.
+
+Se lo scopo è farne dei sottotitoli, occorrerà convertire da JSON in SRT o XML.
+
+Ma in questo caso siamo umani, si vuole ottenere del testo semplice da
+allegare alla registrazione per ricerca e archivio (and for great justice).
+
+Here comes Bomboclat, il quale ha scritto questo piccolo script che converte
+(guarda un po') un JSON in un SRT.
+
+# Convertire da JSON a SRT
+
+Ecco lo script [json2srt](json2srt.py)
+
+Per l'utilizzo lasciamo la parola a Bomboclat, cui rendiamo merito:
+
+```
+sudo apt install python3-venv
+nella tua home dai questo comando
+python3 -m venv json_to_srt
+ti crea una cartella json_to_srt
+con dentro python3
+fatto questo comando ne dai un altro per attivarlo
+source ~/json_to_srt/bin/activate
+a sto punto hai lo script che ora ti passo aggiornato
+ha ancora un difetto, le ore sono espresse con una cifra
+percio' anziche' scrivere per esempio:
+00:00:00,000
+ore minuti secondi, millesimi
+scrive solo
+0:00:00,000
+che si risolve facile
+aggiungendo lo 0 a mano nella stringa finale
+ma per ora lasciamo perdere sto dettaglio
+python json2srt.py -i un_file.json -o il_suo_output.srt
+```
+
+A me mi funziona anche solo mettendo lo script in ~/bin e dandogli i permessi di esecuzione:
+
+    mv json2srt.py ~/bin/
+    chmod 755 ~/bin/json2srt.py
+
+Però è anche vero che non si dice: "a me mi", dunque anche il vostro
+chilometraggio potrebbe variare.
+
+Una volta installato lo script, si può fare la conversione da JSON a SRT.
+
+Tornando al nostro esempio:
+
+    json2srt.py -i audio-0-1.json -o audio-0-1.srt
+
+    json2srt.py -i audio-1-2.json -o audio-1-2.srt
+
+Ora si potranno ricongiungere i due file, finalmente.
+
+    cat audio-0-1.srt audio-1-2.srt > audio.srt
+
+E così ottenere l'agognato file:
+
+`audio.srt'
+
+# Il file audio.SRT
+
+Un file SRT è testo puro e si presenta così:
+
+1
+0:00:01,680  --> 0:00:06,810
+bla bla bla bla, bla bla bla
+
+2
+0:00:08,372  --> 0:00:13,830
+bla bla bla bla e ancora bla
+
+
+cioè:
+
+* Numeroriga
+* Timecode
+* Testo
+* Spazio
+
+È già umanamente leggibile, ma per poterlo pubblicare come testo semplice si
+potranno togliere le righe che contengono, come espressioni regolari, Numeroriga
+e Timecode.
+
+    sed '/[0-9]/d' audio.srt > trascrizione.txt
+
+Ed eventualmente anche levare la riga vuota!
+
+    sed '/^$/d' trascrizione.txt > wallof.txt
+
+Poi rileggere, riascoltare e correggere.
+
+# Share and enjoy
+
+Shoutz a Debian, ffmpeg, videogrep e vosk, Bomboclat per lo script, ilLobo per
+aver scoperto videogrep, dan che ha scritto e Shoutz a te che leggi, possa la
+sbobinatura esserti lieve.
+
+This is a: DIWO (Do It With Others)
+
+**WE ARE NOT MEN! WE ARE DIWO!**
+
+# Links
+
+Debian GNU/Linux Free OS  
+https://www.debian.org/
+
+ffmpeg  
+https://ffmpeg.org/
+
+Videogrep Tutorial  
+https://lav.io/notes/videogrep-tutorial/
+
+Vosk speech recognition toolkit  
+https://alphacephei.com/vosk/
+
+Vosk models  
+https://alphacephei.com/vosk/models