Create app.py

app.py

@@ -0,0 +1,43 @@
+import gradio as gr
+import torch
+import os
+import tempfile
+import subprocess
+from transformers import pipeline
+
+# بارگذاری مدل Whisper از HuggingFace
+pipe = pipeline("automatic-speech-recognition", model="openai/whisper-medium")
+
+def transcribe(audio_file):
+    # ذخیره موقت فایل صوتی
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as tmp:
+        tmp_path = tmp.name
+        subprocess.run(["ffmpeg", "-i", audio_file, "-ar", "16000", "-ac", "1", tmp_path, "-y"], stdout=subprocess.PIPE, stderr=subprocess.PIPE)
+        
+        # اجرای چندبار مدل برای دقت بالاتر
+        texts = []
+        for i in range(2):
+            result = pipe(tmp_path)
+            texts.append(result["text"].strip())
+        
+        # انتخاب دقیق‌ترین خروجی (طولانی‌ترین متن به احتمال زیاد درست‌تره)
+        best_text = max(texts, key=len)
+        
+    os.remove(tmp_path)
+    return best_text
+
+# رابط کاربری Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("# 🎙️ تبدیل صوت به متن با دقت بالا")
+    gr.Markdown("هر فایل صوتی رو آپلود کن، متن دقیق استخراج می‌شه 👇")
+    
+    with gr.Row():
+        audio_input = gr.Audio(sources=["upload", "microphone"], type="filepath", label="فایل صوتی")
+    
+    output_text = gr.Textbox(label="متن استخراج‌شده", lines=8)
+    btn_copy = gr.Button("📋 کپی متن")
+    
+    audio_input.change(fn=transcribe, inputs=audio_input, outputs=output_text)
+    btn_copy.click(lambda x: x, inputs=output_text, outputs=output_text)
+
+demo.launch()