app.py

import torch
import gradio as gr
import yt_dlp as youtube_dl
from transformers import pipeline
from transformers.pipelines.audio_utils import ffmpeg_read

import tempfile
import os

MODEL_NAME = "openai/whisper-large-v3-turbo"
BATCH_SIZE = 8
FILE_LIMIT_MB = 1000

device = 0 if torch.cuda.is_available() else "cpu"

pipe = pipeline(
    task="automatic-speech-recognition",
    model=MODEL_NAME,
    chunk_length_s=30,
    device=device,
)

def transcribe(inputs, task):
    if inputs is None:
        raise gr.Error("No has subido ningún archivo de audio. Asegúrate de que tu archivo de audio es válido y vuelve a intentarlo.")

    text = pipe(inputs, batch_size=BATCH_SIZE, generate_kwargs={"task": task}, return_timestamps=True)["text"]
    return text


demo = gr.Blocks()

mf_transcribe = gr.Interface(
    fn=transcribe,
    inputs=[
        gr.Audio(sources="microphone", type="filepath", label="Micrófono"),
        gr.Radio(["transcribe", "translate"], label="task", value="transcribe"),
    ],
    outputs="text",
    title="Whisper Large V3 Turbo: Transcribe en Español a la perfección y rápido",
    description=(
        "Aquí puedes hablar por el micrófono."
    ),
    allow_flagging="never",
)

file_transcribe = gr.Interface(
    fn=transcribe,
    inputs=[
        gr.Audio(sources="upload", type="filepath", label="Archivo de audio"),
        gr.Radio(["transcribe", "translate"], label="task", value="transcribe"),
    ],
    outputs="text",
    title="Whisper Large V3 Turbo: Transcribe en Español a la perfección y rápido",
    description=(
        "Aquí puedes pasar un archivo de audio ya grabado."
    ),
    allow_flagging="never",
)

with demo:
    gr.TabbedInterface([mf_transcribe, file_transcribe], ["Micrófono", "Archivo de Audio"])

demo.queue().launch(debug=True) #  share=True #ssr_mode = False