BM7//ANGKOR | Welcome

import os, whisper, asyncio, edge_tts, re, torch from googletrans import Translator from moviepy.editor import VideoFileClip, AudioFileClip, CompositeAudioClip import moviepy.video.fx.all as vfx # --- ⚙️ ការកំណត់ --- Video_Name = "movie.mp4" VIDEO_PATH = f"input_video/{Video_Name}" OUTPUT_PATH = f"final_result/BM7_STABLE_DUB_{Video_Name}" translator = Translator() def detect_gender(text): # បែងចែកភេទតាមពាក្យគន្លឹះ female_keywords = ['នាង', 'ស្រី', 'អូន', 'អ្នកនាង', 'កញ្ញា', 'ម៉ាក់', 'យាយ'] if any(word in text for word in female_keywords): return "km-KH-SreymomNeural" return "km-KH-PisethNeural" def professional_khmer_filter(text): try: # លុបពាក្យដដែលៗដែលចេញពី Whisper (Hallucination Filter) text = re.sub(r'\b(\w+)( \1\b)+', r'\1', text) raw_kh = translator.translate(text, src='zh-cn', dest='km').text corrections = { "អ្នក": "ឯង", "ខ្ញុំ": "យើង", "សួស្តី": "ជម្រាបសួរ", "អរគុណ": "អរគុណច្រើន", "មែនទេ": "មែនអត់?", "ពិតជា": "ពិតមែនហើយ" } for old, new in corrections.items(): raw_kh = raw_kh.replace(old, new) return re.sub(r'[.,!?]', ' ', raw_kh).strip() except: return "" async def generate_smooth_audio(text, start, duration, index): try: kh_text = professional_khmer_filter(text) if not kh_text or len(kh_text) < 2: return None, None voice = detect_gender(kh_text) tmp = f"tmp_{index}.mp3" # កែសម្រួល Pitch និង Rate ឱ្យស្រទន់ communicate = edge_tts.Communicate(kh_text, voice, rate="+7%", pitch="-1Hz") await communicate.save(tmp) audio = AudioFileClip(tmp).set_start(start).volumex(5.0) # ត្រួតពិនិត្យល្បឿន៖ បើលឿនពេក ឬយឺតពេក ឱ្យវាតម្រូវតាម Duration target_duration = duration if audio.duration > target_duration: # បើអានវែងជាងសាច់រឿង ឱ្យវាបង្កើនល្បឿនបន្តិច audio = vfx.speedx(audio, factor=audio.duration/target_duration).set_duration(target_duration) elif audio.duration < (target_duration * 0.7): # បើអានខ្លីពេក (ញាប់ពេក) ឱ្យវាពន្យឺតមកវិញខ្លះដើម្បីឱ្យស្រួលស្ដាប់ audio = vfx.speedx(audio, factor=audio.duration/(target_duration * 0.8)).set_duration(target_duration * 0.8) return audio, tmp except: return None, None async def start_dubbing(): if not os.path.exists(VIDEO_PATH): print("❌ រកមិនឃើញ File ទេ!"); return print("🚀 កំពុងដាស់ម៉ាស៊ីន AI កម្រិតខ្ពស់...") device = "cuda" if torch.cuda.is_available() else "cpu" model = whisper.load_model("medium").to(device) # បន្ថែម Parameters ដើម្បីបំបាត់ពាក្យដដែលៗ transcribe = model.transcribe( VIDEO_PATH, task="transcribe", language="zh", temperature=0, # បំបាត់ការទាយរាយមាយ beam_size=5, # ពិនិត្យពាក្យឱ្យហ្មត់ចត់ compression_ratio_threshold=2.4 # ទប់ស្កាត់ពាក្យដដែលៗ ) segments = transcribe['segments'] video = VideoFileClip(VIDEO_PATH) audio_tracks = [video.audio.volumex(0.12)] temp_files = [] print(f"🎙️ ចាប់ផ្ដើមផលិតសំឡេងចំនួន {len(segments)} ឃ្លា...") for i, s in enumerate(segments): # ប្រើ await ដើម្បីឱ្យវាធ្វើម្ដងមួយៗ ការពារការគាំង RAM លើរឿងវែង aud, path = await generate_smooth_audio(s['text'], s['start'], s['end']-s['start'], i) if aud: audio_tracks.append(aud) temp_files.append(path) if i % 20 == 0: print(f"⏳ រួចរាល់ {round((i/len(segments))*100)}%...") print("🎬 កំពុង Export វីដេអូសម្រេច (Threads=4)...") final_audio = CompositeAudioClip(audio_tracks) final_video = video.set_audio(final_audio) final_video.write_videofile(OUTPUT_PATH, codec="libx264", audio_codec="aac", threads=4) # សម្អាត File video.close() for f in temp_files: if os.path.exists(f): os.remove(f) print(f"✅ ជោគជ័យមហាអស្ចារ្យ! វីដេអូរួចរាល់៖ {OUTPUT_PATH}") if __name__ == "__main__": await start_dubbing()