traduccion

app.py

@@ -10,13 +10,13 @@ import tempfile
 
 # Cargar el modelo Whisper-small y bark
 transcribir = pipeline("automatic-speech-recognition", model="openai/whisper-small")
-bark = pipeline("text-to-speech", model="suno/bark")
+"""bark = pipeline("text-to-speech", model="suno/bark")"""
 
 
 # Función para transcribir el audio y traducir el audio de entrada
 def transcribir_audio(audio):
     # Usamos el pipeline de Hugging Face para la transcripción
-    result = transcribir_audio(audio)
+    result = transcribir_audio(audio_file, task="translate")
     return result["text"]
 
 
@@ -37,7 +37,7 @@ def generar_audio(text):
 
 def process_audio(audio_file):
     # Paso 1: Transcripción y traducción con Whisper
-    transcripcion_traducida = transcribir(audio_file)["text"]
+    transcripcion_traducida = transcribir(audio_file)"""["text"]"""
     
     # Paso 2: Generación de audio con Bark
     audio_sintetizado = generar_audio(transcripcion_traducida)
@@ -51,11 +51,11 @@ with gr.Blocks() as demo:
     
     with gr.Row():
         input_audio = gr.Audio(label="Sube tu archivo de audio", type="filepath")
-        transcription_output = gr.Textbox(label="Texto transcrito")
+        transcription_output = gr.Textbox(label="Texto traducido al inglés")
         output_audio = gr.Audio(label="Audio generado")
     
     process_button = gr.Button("Procesar")
     process_button.click(process_audio, inputs=input_audio, outputs=[transcription_output, output_audio])
 
 # Lanzar la app
-demo.launch()
+demo.launch()