Update app.py

app.py

@@ -3,23 +3,13 @@ import numpy as np
 from huggingsound import SpeechRecognitionModel
 from diffusers import StableDiffusionPipeline, DPMSolverMultistepScheduler
 from transformers import pipeline
-import librosa
 
 # Función para convertir la tasa de muestreo del audio de entrada
 def modelo1(audio):
-    audio_data, sample_rate = audio
-    # Asegurarse de que audio_data sea un array NumPy
-    if not isinstance(audio_data, np.ndarray):
-        audio_data = np.array(audio_data)
 
-    # Convertir audio estéreo a mono
-    if audio_data.shape[0] == 2:
-        audio_data = np.mean(audio_data, axis=0)
-
-    # Utilizar audio_data como entrada para el modelo
-    whisper = pipeline('automatic-speech-recognition', model='openai/whisper-medium', device=-1)  # Cambia 'device' a -1 para usar la CPU
-    text = whisper(audio_data, sample_rate)
-    return text
+    whisper = pipeline('automatic-speech-recognition', model='openai/whisper-medium', device=0)  # Cambia 'device' a -1 para usar la CPU
+    text = whisper('audio.mp3')
+    return text["text"]
 
 def modelo2(text):
     model_id = "stabilityai/stable-diffusion-2-1"
@@ -38,5 +28,5 @@ def execution(audio):
     return modelo2res
 
 if __name__ == "__main__":
-    demo = gr.Interface(fn=modelo1, inputs="audio", outputs="text")
+    demo = gr.Interface(fn=execution, inputs="audio", outputs="image")
     demo.launch()