prueba diffuser discapacitados

README.md

@@ -5,7 +5,7 @@ colorFrom: red
 colorTo: green
 sdk: gradio
 sdk_version: 6.0.2
-app_file: appTraduccion.py
+app_file: appDiffuserDiscapacidad.py
 pinned: false
 license: apache-2.0
 ---

appDiffuserDiscapacidad.py

@@ -0,0 +1,40 @@
+import gradio as gr
+import torch
+from PIL import Image
+from diffusers import DiffusionPipeline
+from transformers import pipeline
+import numpy as np
+
+modelo_descripcion = pipeline("image-to-text", model="Salesforce/blip-image-captioning-base")
+tts = pipeline("text-to-speech", model="suno/bark-small")
+
+def describir_imagen(imagen):
+    descripcion = modelo_descripcion(Image.fromarray(imagen))[0]['generated_text']
+    return descripcion
+
+def generar_audio(texto):
+    audio = tts(texto)
+    array_audio = np.array(audio["audio"][0], dtype=np.float32)
+    return (audio["sampling_rate"], array_audio)
+
+with gr.Blocks(theme="soft") as demo:
+    gr.Markdown(
+        """
+        # Asistente Accesible para Personas con Discapacidad Visual  
+        Este sistema **describe imágenes** automáticamente y **lee en voz alta** lo que aparece.
+        """
+    )
+
+    with gr.Row():
+        with gr.Column(scale=1):
+            imagen_input = gr.Image(label="Sube una imagen")
+            generar_btn = gr.Button("Obtener descripción")
+
+        with gr.Column(scale=1):
+            descripcion_output = gr.Textbox(label="Descripción generada")
+            audio_output = gr.Audio(label="Audio descriptivo")
+    
+    generar_btn.click(fn=describir_imagen, inputs=imagen_input, outputs=descripcion_output)
+    descripcion_output.change(fn=generar_audio, inputs=descripcion_output, outputs=audio_output)
+
+demo.launch()