README.md

metadata

title: Synchy
emoji: 🎙️
colorFrom: blue
colorTo: green
sdk: gradio
app_file: app.py
pinned: false
models:
  - nineninesix/kyrgyz-whisper-medium

Synchy

Synchy - кыргызча, орусча жана аралаш сүйлөгөн аудио/видеону текстке айландыруучу Gradio колдонмо.

Колдонуучу веб-баракчаны ачат, видео же аудио файл жүктөйт, Текстке айландыруу баскычын басат жана текстти алат. Натыйжаны transcript.txt катары жүктөп алса болот.

Эмне Кылат

• Видео жана аудио файл кабыл алат.
• ffmpeg аркылуу аудиону mono 16 kHz WAV форматына айландырат.
• nineninesix/kyrgyz-whisper-medium моделин колдонот.
• Модель колдонмо башталганда бир жолу гана жүктөлөт.
• CPU режиминде иштейт.
• 5 мүнөткө чейинки файлдарды иштетет.
• Текстти экранга чыгарат жана .txt файл берет.

Локалдуу Иштетүү

Компьютерде Python 3.10 же андан жаңы версия жана ffmpeg болушу керек.

cd /mnt/c/Users/a_zhetigenova/Desktop/synchy
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python app.py

Андан кийин терминалда чыккан локалдуу шилтемени браузерден ачыңыз.

Биринчи иштетүү жай болушу мүмкүн, анткени модель Hugging Face Hub'дан жүктөлөт.

Hugging Face Space Түзүү

1. Hugging Face аккаунтуңузга кириңиз.
2. New Space баскычын басыңыз.
3. Space атын жазыңыз, мисалы synchy.
4. SDK катары Gradio тандаңыз.
5. Visibility катары public же private тандаңыз.
6. Space түзүңүз.

Файлдарды Жүктөө

Space репозиторийине ушул үч файлды жүктөңүз:

• app.py
• requirements.txt
• README.md

Hugging Face Space автоматтык түрдө requirements.txt ичиндеги пакеттерди орнотот жана app.py файлын иштетет.

requirements.txt CPU-only PyTorch wheel колдонууга багытталган, ошондуктан CUDA пакеттерин жүктөөгө аракет кылбайт.

Эскертүүлөр

• Биринчи старт жай болушу мүмкүн, анткени nineninesix/kyrgyz-whisper-medium модели жүктөлөт.
• CPU режиминде транскрипция жайыраак иштейт, бирок жөнөкөй баштапкы версия үчүн жетиштүү.
• Эгер 5 мүнөттөн узун файлдар керек болсо, MAX_DURATION_SECONDS маанисин app.py ичинде көбөйтсө болот.
• Видео сапаты маанилүү эмес: колдонмо видеодон аудиону гана алып, 16 kHz WAV форматына айландырат.