| --- |
| 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. |
|
|
| ```bash |
| 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. |
|
|
