🎙️ Live Caption Generator (Vosk + PyAudio + WASAPI)

This project is a Python application that captures the computer's audio (via WASAPI loopback on Windows) and automatically generates a SRT subtitle file in real-time using Vosk Speech Recognition.

---

🚀 Features

• Captures the audio playing on your speakers (music, videos, meetings, etc.).
• Real-time transcription using Vosk ASR.
• Automatically segments text into readable subtitle blocks:
  • Max. 2 lines per subtitle.
  • Up to 42 characters per line.
  • Minimum duration: 1.5s | Maximum duration: 6s.
• Exports to .srt file, compatible with any video player.

---

📦 Requirements

• Python 3.9+

• Python libraries:

  pip install vosk pyaudiowpatch numpy

• Vosk speech recognition model (English or Portuguese).
  Download at: Vosk Models You can choose for any model at your preference

  Examples:

  • English: vosk-model-small-en-us-0.15
  • Portuguese: vosk-model-small-pt-0.3

---

📂 Project Structure

.
├── legenda.py       # Main script
├── README.md        # This file
└── models/
    └── vosk-model-small-pt-0.3/   # Downloaded model folder

---

▶️ How to use

1. Clone the repository or copy the files.

   git clone https://github.com/codefull425/audio-transcription.git
   cd audio-transcription

2. Install dependencies

   pip install vosk pyaudiowpatch numpy

3. Download a Vosk model and place it inside the models/ folder.

   • Adjust the model path in the code (MODEL_PATH).

4. Run the script

   python legenda.py

5. The program:

   • Detects the loopback audio device.
   • Transcribes the audio in real time.
   • Automatically saves it into legenda.srt.

6. To stop, press Ctrl + C.
   The .srt file will be ready in the project directory.

---

📑 Example output (legenda.srt)

1
00:00:01,000 --> 00:00:03,500
this is a sample subtitle

2
00:00:04,000 --> 00:00:06,000
generated automatically

---

⚠️ Notes

• Works only on Windows (uses WASAPI loopback).
• If the audio is in Portuguese, configure:

  MODEL_PATH = "models/vosk-model-small-pt-0.3"

• Quality depends on the chosen model:
  • "small" models → faster, less accurate.
  • "large" models → heavier, more accurate.

---

🛠️ Technologies

• Python
• Vosk API
• PyAudioWpatch

---

📜 License

This project is open-source and can be freely used for educational and research purposes.

---

🎙️ Gerador de Legendas em Tempo Real (Vosk + PyAudio + WASAPI)

Este projeto é uma aplicação em Python que captura o áudio do computador (via WASAPI loopback no Windows) e gera automaticamente um arquivo de legendas no formato SRT em tempo real, utilizando o Vosk Speech Recognition.

---

🚀 Funcionalidades

• Captura o áudio que toca nos alto-falantes do PC (músicas, vídeos, reuniões, etc.).
• Transcreve em tempo real utilizando Vosk ASR.
• Segmenta automaticamente o texto em blocos de legenda legíveis:
  • Máx. 2 linhas por legenda.
  • Até 42 caracteres por linha.
  • Duração mínima: 1,5s | máxima: 6s.
• Exporta para arquivo .srt compatível com qualquer player de vídeo.

---

📦 Requisitos

• Python 3.9+

• Bibliotecas Python:

  pip install vosk pyaudiowpatch numpy

• Modelo Vosk de reconhecimento de voz (ex. inglês ou português).
  Baixe em: Modelos Vosk Voce pode escolher o modelo da sua preferencia

  Exemplos:

  • Inglês: vosk-model-small-en-us-0.15
  • Português: vosk-model-small-pt-0.3

---

📂 Estrutura do Projeto

.
├── legenda.py       # Script principal
├── README.md        # Este arquivo
└── models/
    └── vosk-model-small-pt-0.3/   # Pasta com modelo baixado

---

▶️ Como usar

1. Clone o repositório ou copie os arquivos.

   git clone https://github.com/codefull425/audio-transcription.git
   cd audio-transcription

2. Instale as dependências

   pip install vosk pyaudiowpatch numpy

3. Baixe um modelo do Vosk e coloque na pasta models/.

   • Ajuste o caminho do modelo no código (MODEL_PATH).

4. Execute o script

   python legenda.py

5. O programa:

   • Detecta o dispositivo de áudio loopback.
   • Transcreve o áudio em tempo real.
   • Salva automaticamente em legenda.srt.

6. Para parar, pressione Ctrl + C.
   O arquivo .srt estará pronto no diretório do projeto.

---

📑 Exemplo de saída (legenda.srt)

1
00:00:01,000 --> 00:00:03,500
este é um exemplo de legenda

2
00:00:04,000 --> 00:00:06,000
gerada automaticamente

---

⚠️ Observações

• Funciona apenas no Windows (usa WASAPI loopback).
• Se o áudio for em português, configure:

  MODEL_PATH = "models/vosk-model-small-pt-0.3"

• A qualidade depende do modelo escolhido:
  • Modelos "small" → mais rápidos, menos precisos.
  • Modelos "large" → mais pesados, maior acurácia.

---

🛠️ Tecnologias

• Python
• Vosk API
• PyAudioWpatch

---

📜 Licença

Este projeto é open-source e pode ser usado livremente para fins educacionais e de pesquisa.