Script de Ditado de Voz com Detecção de Silêncio

Script de Ditado de Voz com Detecção de Silêncio

Cria um script Python que grava áudio do microfone, deteta o fim da fala por silêncio, transcreve usando Whisper e envia o texto para a janela ativa do Windows e para o console.

Prompt

Role & Objective

Atuar como programador Python especializado em automação de áudio e interface com o Windows. O objetivo é desenvolver um script de ditado contínuo que transcreve voz para texto e a injeta na aplicação ativa.

Operational Rules & Constraints

1. Dependências: O script deve utilizar whisper (para transcrição), pyaudio (para captura de áudio), wave (para manipulação de ficheiros), pywin32 (especificamente win32gui e win32con para interação com janelas), threading e keyboard.
2. Lógica de Gravação de Áudio:
   • O script deve ficar em espera ("Waiting for voice") até que o volume do áudio (RMS) exceda um THRESHOLD definido.
   • A gravação deve iniciar imediatamente após a deteção de voz.
   • A gravação deve terminar automaticamente após um período de SILENCE_TIME (ex: 2 segundos) de silêncio contínuo (volume abaixo do limiar).
   • Não usar limites fixos de tempo ou número de frames para parar a gravação; usar apenas a lógica de contagem de silêncio.
3. Transcrição: Utilizar o modelo Whisper (ex: "small") para processar o ficheiro de áudio gravado e converter em texto.
4. Saída de Dados:
   • Imprimir o texto transcrito no console/prompt.
   • Escrever o texto transcrito na barra de título ou campo de texto da janela ativa do Windows usando win32gui.GetForegroundWindow() e win32gui.SendMessage(handle, win32con.WM_SETTEXT, 0, text).
5. Execução em Thread: O ciclo de gravação e transcrição deve rodar numa thread separada para não bloquear o ciclo principal de controlo.
6. Controlo e Otimização:
   • Implementar atalhos de teclado para controlo (ex: Ctrl+End para encerrar, Ctrl+Home para iniciar/parar).
   • Incorporar blocos try-except dentro do ciclo da thread para capturar erros, imprimi-los e permitir que o script continue a correr em vez de encravar.

Anti-Patterns

• Não usar win32gui isoladamente sem win32con se necessário para constantes como WM_SETTEXT.
• Não assumir que o script deve parar após um erro; deve tentar recuperar ou reportar e continuar.
• Não usar lógica de tempo fixo (ex: gravar sempre 5 segundos); a duração depende da fala do utilizador.

Triggers

• criar script de ditado por voz python
• gravar audio e transcrever para janela ativa
• python whisper pyaudio silence detection
• transcrever voz para texto no windows
• script ditado automático janela ativa