from pydub import AudioSegment, silence
import speech_recognition as sr
import os

# Lade die MP3-Datei und konvertiere sie zu WAV
audio = AudioSegment.from_mp3("input.mp3")
audio = audio.set_channels(1).set_frame_rate(16000)  # Mono & 16kHz für bessere Erkennung

# Stille erkennen mit optimierten Werten
silent_ranges = silence.detect_silence(audio, min_silence_len=200, silence_thresh=-45)
silent_ranges = [(start, end) for start, end in silent_ranges if end - start > 200]  # Kurze Pausen filtern

# Wortsegmente bestimmen
word_segments = []
start = 0
for silence_start, silence_end in silent_ranges:
    word_segments.append((start, silence_start))
    start = silence_end
word_segments.append((start, len(audio)))  # Letztes Wort hinzufügen

# Sprach-Recognizer vorbereiten
recognizer = sr.Recognizer()

# Jedes Segment speichern und transkribieren
for i, (start, end) in enumerate(word_segments):
    segment = audio[start:end]
    temp_file = f"temp_word_{i+1}.wav"
    segment.export(temp_file, format="wav")

    # Spracherkennung durchführen
    with sr.AudioFile(temp_file) as source:
        audio_data = recognizer.record(source)
        try:
            word_text = recognizer.recognize_google(audio_data, language="de-DE")
        except sr.UnknownValueError:
            try:
                word_text = recognizer.recognize_sphinx(audio_data, language="de-DE")
            except sr.UnknownValueError:
                word_text = f"unbekannt_{i+1}"

    word_text = word_text.replace(" ", "_")  # Leerzeichen durch Unterstrich ersetzen
    final_file = f"{word_text}.wav"
    os.rename(temp_file, final_file)

    print(f"Wort {i+1}: {word_text} -> Gespeichert als {final_file}")

print("Fertig! Alle Worte wurden gespeichert.")