Update app.py

app.py

@@ -10,27 +10,26 @@ MODEL_ID = "MohamedRashad/Arabic-Whisper-CodeSwitching-Edition"
 device = 0 if torch.cuda.is_available() else "cpu"
 print(f"Device set to use: {device}")
 
-# 2. تحميل النموذج عبر الـ Pipeline (مع تحديد وسائط التقسيم عند التحميل)
+# 2. تحميل النموذج عبر الـ Pipeline (مع تحديد طول المقطع فقط)
 try:
     print("Loading ASR pipeline (Whisper) with chunking parameters...")
     
-    # تحديد وسائط التقسيم هنا لتجنب تمريرها كـ model_kwargs غير مستخدمة
+    # تعريف وسائط التقسيم: نستخدم chunk_length_s فقط لتجنب مشكلة stride
     pipeline_kwargs = {
         "chunk_length_s": 30,  # طول المقطع الأقصى (30 ثانية)
-        "stride": (5, 5),      # تداخل 5 ثواني بين المقاطع
+        # ❌ تم حذف وسيط "stride" لتجنب الخطأ
     }
 
     asr_pipeline = pipeline(
         "automatic-speech-recognition",
         model=MODEL_ID,
         device=device,
-        **pipeline_kwargs # تمرير وسائط التقسيم هنا
+        **pipeline_kwargs # تمرير الوسائط
     )
-    print("Pipeline loaded successfully with chunking enabled.")
+    print("Pipeline loaded successfully with simplified chunking enabled.")
 
 except Exception as e:
     print(f"Error loading pipeline: {e}.")
-    # إذا فشل التحميل، نستخدم pipeline فارغ لمنع تعطل التطبيق
     asr_pipeline = None
 
 
@@ -46,14 +45,13 @@ def transcribe_audio(audio_path):
     print(f"Processing audio file: {audio_path}")
 
     try:
-        # 💡 التعديل هنا: نزيل 'chunk_length_s' و 'stride' ونبقي فقط 'return_timestamps'
-        # وسائط التقسيم تم تحديدها بالفعل في خطوة التحميل (Initialisation)
+        # 💡 نمرر return_timestamps=True وهو أمر ضروري لتفعيل تقسيم الملفات
         result = asr_pipeline(
             audio_path,
-            return_timestamps=True  # ضروري لعملية التقسيم
+            return_timestamps=True  
         )
         
-        # استخراج النص من النتيجة (النتيجة تحتوي على 'chunks' عند استخدام return_timestamps=True)
+        # استخراج النص من النتيجة (الـ Pipeline يقوم بالتقسيم والتجميع)
         if 'chunks' in result and isinstance(result['chunks'], list):
             segments_text = [seg['text'] for seg in result['chunks']]
             final_text = " ".join(segments_text).strip()
@@ -69,7 +67,7 @@ def transcribe_audio(audio_path):
 
 
 # 4. إعداد واجهة Gradio
-title = "👳 Arabic-Whisper-CodeSwitching-Edition"
+title = " Arabic-Whisper-CodeSwitching-Edition"
 description = (
     "نموذج تحويل الكلام إلى نص يعتمد على Whisper Large v2، ومُدرب خصيصًا لدعم "
     "التحويل الصوتي للغة العربية التي تحتوي على مزج لغوي (Code-Switching) مع الإنجليزية. "
@@ -86,4 +84,4 @@ gr.Interface(
     title=title,
     description=description,
     live=False,
-).launch()
+).launch()