Use automatic-speech-recognition pipeline as baseline, add zero gpu inference.

app.py

@@ -1,14 +1,25 @@
+import spaces
 import gradio as gr
-from whisper import generate
 from AinaTheme import theme
 
 MODEL_NAME = "projecte-aina/whisper-large-v3-ca-es-synth-cs"
+BATCH_SIZE = 8
+device = 0 if torch.cuda.is_available() else "cpu"
 
+pipe = pipeline(
+    task="automatic-speech-recognition",
+    model=MODEL_NAME,
+    chunk_length_s=30,
+    device=device,
+)
+
+@spaces.GPU
 def transcribe(inputs):
     if inputs is None:
         raise gr.Error("Cap fitxer d'àudio introduit! Si us plau pengeu un fitxer "\
                        "o enregistreu un àudio abans d'enviar la vostra sol·licitud")
-    return generate(audio_path=inputs)
+    text = pipe(inputs, batch_size=BATCH_SIZE, generate_kwargs={"task": "transcribe"}, return_timestamps=True)["text"]
+    return text
 
 
 description_string = "Transcripció automàtica de micròfon o de fitxers d'àudio.\n Aquest demostrador s'ha desenvolupat per"\