Iqbad il-Mikrofonu b'PyAudio
F'din il-paġna
Il-kors aġġornat fit-3 ta’ Novembru 2026 għal Voxtral 3, ibbażat fuq il-gwida Migrate from Voxtral 2 ta’ Mistral: il-mudelli Voxtral 2 (
voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603, skaduti fil-31 ta’ Ottubru 2026 u rtirati fit-30 ta’ April 2027) ġew sostitwiti fl-eżempji b’voxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3, uvoxtral-mini-tts-3-0. Bidliet ewlenin: it-timstamps huma biss għas-segmenti (wordtirritorna żball 400), id-dijarizzazzjoni f’ħin reali hija appoġġjata, is-settings tas-sessjoni f’ħin reali jissakraw wara l-ewwel biċċa awdjo, u l-inputs ta’context_biashuma flessibbli (frażijiet b’ispazji). Sorsi: Migrate from Voxtral 2 · Speech to Text.
Mill-Fajl għall-Mikrofonu
Il-lezzjoni preċedenti stabbilixxiet arkitettura fejn is-sors tal-awdjo huwa ġeneratur asinkronu sempliċi u interkambjabbli. Se tuża dan immedjatament: billi tibdel il-ġeneratur li jaqra l-fajl ma’ wieħed li jaqra mill-karta tas-sound tiegħek, il-programm tiegħek jibda jittraskrivi leħnek ħaj mingħajr ma tbiddel linja waħda mill-kumplament tal-kodiċi.
L-għodda għal din il-lezzjoni hija PyAudio, il-librerija standard ta’ Python biex taċċessa apparati tal-awdjo. Tiddependi fuq PortAudio, saff nattiv li jista’ jkollok bżonn tinstalla separatament skont is-sistema tiegħek.
Installazzjoni ta’ PyAudio
# Linux (Debian/Ubuntu)
sudo apt-get install portaudio19-dev
pip install pyaudio
# macOS
brew install portaudio
pip install pyaudio
# Windows
pip install pyaudio
Il-Ġeneratur tal-Mikrofonu
Il-qalba ta’ din il-lezzjoni tinsab f’madwar tletin linja. Il-funzjoni tiftaħ fluss ta’ input fuq l-apparat default, tagħmel loop indefinitament taqra blokok ta’ daqs fiss, u tagħti kull waħda lill-magna tat-traskrizzjoni. Il-blokk finally mhuwiex dekorattiv: jiggarantixxi li l-fluss jieqaf, jingħalaq, u PyAudio jirrilaxxa l-ħardwer anke jekk il-programm jiġi interrott f’daqqa. Mingħajru, il-mikrofonu jista’ jibqa’ msakkar, u jimblokaw applikazzjonijiet oħra.
import asyncio
import pyaudio
async def iter_microphone(
sample_rate: int = 16000,
chunk_duration_ms: int = 480
):
"""Iqbad il-mikrofonu u agħti biċċiet PCM.
Args:
sample_rate: Rata ta' kampjunar (16000 Hz għal Voxtral)
chunk_duration_ms: Tul ta' kull biċċa f'millisekondi
Yields:
bytes: Biċċiet awdjo PCM mono ta' 16-il bit
"""
p = pyaudio.PyAudio()
# Numru ta' kampjuni għal kull biċċa
chunk_samples = int(sample_rate * chunk_duration_ms / 1000)
# Iftaħ il-fluss tal-mikrofonu
stream = p.open(
format=pyaudio.paInt16, # PCM ta' 16-il bit
channels=1, # Mono
rate=sample_rate, # 16 kHz
input=True, # Modalità ta' qbid
frames_per_buffer=chunk_samples
)
loop = asyncio.get_running_loop()
try:
print("Mikrofonu attiv — kellem...")
while True:
# Aqra l-biċċa mingħajr blokk
data = await loop.run_in_executor(
None,
stream.read,
chunk_samples,
False # exception_on_overflow
)
yield data
finally:
stream.stop_stream()
stream.close()
p.terminate()
print("Mikrofonu magħluq")
Kull parametru għandu raġuni speċifika. sample_rate=16000 tirrifletti rekwiżit tal-mudell, mhux preferenza: Voxtral jistenna 16 kHz, allura tibdilx dan il-valur. pyaudio.paInt16 jaqbel mal-format PCM iffirmat ta’ 16-il bit, ekwivalenti eżattament għal pcm_s16le iddikjarat fuq in-naħa tal-API, u channels=1 jinfurza l-mono, li huwa meħtieġ ukoll. Jibqa’ chunk_duration_ms=480, l-uniku setting verament diskutibbli: kull biċċa tirrappreżenta 480 millisekonda ta’ awdjo, kompromess tajjeb bejn ir-reattività u l-effiċjenza tan-netwerk. Biċċa iqsar, ngħidu aħna 100 ms, ittejjeb ir-reattività iżda timmultiplika t-talbiet tan-netwerk; biċċa itwal tiffranka bandwidth bl-ispiża ta’ latenza miżjuda qabel ma l-mudell jara l-awdjo.
Is-sejħa loop.run_in_executor tisħoqilha spjegazzjoni wkoll. stream.read hija funzjoni li timblokka: iżżomm it-thread sakemm in-numru mitlub ta’ kampjuni jkun disponibbli. Jekk tmexxiha direttament f’korutina, tissakkar il-loop sħiħ ta’ asyncio, inkluża r-riċevjoni ta’ eventi ta’ traskrizzjoni. Billi tgħaddiha lil eżekuter, tagħmel il-qari kompatibbli mal-bqija tal-programm asinkronu.
Il-kalkolu tad-daqs tal-blokk isegwi mekkanikament miż-żewġ settings, għal sample_rate=16000 u chunk_duration_ms=480:
chunk_samples = 16000 × 480 / 1000 = 7680 kampjun
byte_size = 7680 × 2 bytes = 15360 bytes għal kull biċċa
Programm Sħiħ: Mill-Mikrofonu għat-Traskrizzjoni
L-iskritt li ġej jgħaqqad il-qbid u t-traskrizzjoni f’għodda tad-dettatura lesta biex tuża. L-element il-ġdid meta mqabbel mal-ġeneratur preċedenti huwa t-trattament nadif tal-għeluq: handler tas-sinjal jinterċetta Ctrl+C, ibiddel il-flag running għal False, li joħroġ mill-loop tal-qbid, jagħlaq il-fluss, u jippermetti lill-programm isalva t-test akkumulat. Mingħajr dan il-mekkaniżmu, interruzzjoni tat-tastiera tkun toqtol il-proċess qabel ma jsir is-salvataġġ, u titlef id-dettatura.
import asyncio
import os
import signal
from mistralai.client import Mistral
from mistralai.client.models import (
AudioFormat,
TranscriptionStreamTextDelta,
TranscriptionStreamDone
)
import pyaudio
# Flag għal għeluq nadif
running = True
def signal_handler(sig, frame):
global running
print("\n\nQed nagħlqu...")
running = False
signal.signal(signal.SIGINT, signal_handler)
async def iter_microphone(sample_rate=16000, chunk_duration_ms=480):
"""Iqbad il-mikrofonu sakemm tiġi interrott (Ctrl+C)."""
p = pyaudio.PyAudio()
chunk_samples = int(sample_rate * chunk_duration_ms / 1000)
stream = p.open(
format=pyaudio.paInt16,
channels=1,
rate=sample_rate,
input=True,
frames_per_buffer=chunk_samples
)
loop = asyncio.get_running_loop()
try:
while running:
data = await loop.run_in_executor(
None, stream.read, chunk_samples, False
)
yield data
finally:
stream.stop_stream()
stream.close()
p.terminate()
async def main():
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
audio_format = AudioFormat(encoding="pcm_s16le", sample_rate=16000)
print("=" * 50)
print("TRASKRIZZJONI ĦAJJA")
print("Kellem fil-mikrofonu (Ctrl+C biex tieqaf)")
print("=" * 50)
print()
full_text = []
async for event in client.audio.realtime.transcribe_stream(
audio_stream=iter_microphone(),
model="voxtral-mini-transcribe-realtime-3",
audio_format=audio_format,
):
if isinstance(event, TranscriptionStreamTextDelta):
print(event.text, end="", flush=True)
full_text.append(event.text)
elif isinstance(event, TranscriptionStreamDone):
break
# Salva
final_text = "".join(full_text)
if final_text.strip():
with open("dictee.txt", "w", encoding="utf-8") as f:
f.write(final_text)
print(f"\n\nTraskrizzjoni salvata f'dictee.txt")
print(f"Tul: {len(final_text)} karattru")
else:
print("\n\nL-ebda test ma ġie ttraskritt.")
asyncio.run(main())
Mexxih, kellem, waqqaf b’Ctrl+C: it-test jidher hekk kif titkellem, imbagħad jispiċċa f’dictee.txt.
python dictee_vocale.py
# Kellem fil-mikrofonu tiegħek
# It-test jidher f'ħin reali
# Ctrl+C biex tieqaf
Ipprovah b’madwar tletin sekonda ta’ Franċiż kontinwu, ibiddel il-veloċità tiegħek, u qabbel dak li għedt ma’ dak li fih il-fajl. Hija l-aħjar mod biex tikkalibra l-aspettattivi tiegħek qabel ma ttaffi l-latenza fil-lezzjoni li jmiss.
Għażla tal-Apparat It-Tajjeb
Fuq magna b’mikrofonu integrat, headset USB, u webcam, l-apparat default mhux dejjem huwa dak li taħseb, u traskrizzjoni vojta ħafna drabi tiġi minn dan id-dettall. L-ewwel, elenka l-inputs disponibbli bl-indiċi tagħhom:
def list_microphones():
"""Elenska l-apparati kollha tal-input tal-awdjo disponibbli."""
p = pyaudio.PyAudio()
print("Apparati tal-input disponibbli:")
for i in range(p.get_device_count()):
info = p.get_device_info_by_index(i)
if info["maxInputChannels"] > 0:
print(f" [{i}] {info['name']} "
f"(kanali: {info['maxInputChannels']}, "
f"rata: {int(info['defaultSampleRate'])} Hz)")
p.terminate()
list_microphones()
Imbagħad sempliċiment infurza l-indiċi magħżul meta tiftaħ il-fluss, permezz tal-parametru input_device_index:
stream = p.open(
format=pyaudio.paInt16,
channels=1,
rate=sample_rate,
input=True,
input_device_index=2, # Indiċi tal-apparat
frames_per_buffer=chunk_samples
)
Punti Ewlenin
- PyAudio jaqbad il-mikrofonu f’PCM mono ta’ 16-il bit f’16 kHz, eżattament dak li jistenna Voxtral
- Il-ġeneratur
iter_microphonejagħti biċċiet ta’ 480 ms b’mod default loop.run_in_executorjagħmel il-qari tal-mikrofonu mingħajr blokk f’asyncio- Ctrl+C iwaqqaf il-qbid b’mod nadif permezz ta’ handler tas-sinjal
- Elenka l-apparati b’
get_device_count()biex tagħżel il-mikrofonu t-tajjeb