Create app.py

app.py

@@ -0,0 +1,48 @@
+import gradio as gr
+from transformers import pipeline
+
+modelo = pipeline("automatic-speech-recognition", model="facebook/wav2vec2-large-xlsr-53-spanish")
+classificador = pipeline("text-classification", model = "pysentimiento/robertuito-sentiment-analysis")
+image_clasificacion  = pipeline("image-classification", model="microsoft/swin-tiny-patch4-window7-224",)
+
+def audio_text(audio):
+  text = modelo(audio)["text"]
+  return text
+  
+def texto_sentimiento(text):
+  return classificador(text)[0]["label"]
+
+def clasificacion_imagen(image):
+  label = image_clasificacion(image)[0]["label"]
+  return label
+  
+  
+  demo = gr.Blocks()
+
+with demo:
+  gr.Markdown("Este es el sengundo demo con Block")
+
+  with gr.Tabs():
+    with gr.TabItem("Transcribe audio en español"):
+      with gr.Row():
+        audio = gr.Audio(source="microphone", type="filepath")
+        transcripcion = gr.Textbox()
+      b1 = gr.Button("Transcribe porfis")
+    
+    with gr.TabItem("Análisis de sentimientos en español"):
+      with gr.Row():
+        texto = gr.Textbox()
+        label = gr.Label()
+      b2 = gr.Button("Sentimiento porfa")
+
+    with gr.TabItem("Clasificación de imagenes"):
+      with gr.Row():
+        image = gr.Image()
+        label_img = gr.Label()
+      b3 = gr.Button("Clasifica por fa")
+    b1.click(audio_text, inputs = audio, outputs = transcripcion)
+    b2.click(texto_sentimiento, inputs=texto, outputs=label)
+    b3.click(clasificacion_imagen, inputs=image, outputs=label_img)
+
+
+demo.launch()