app.py

import gradio as gr
from transformers import pipeline
import numpy as np

# Cargar tu modelo personalizado
transcriber = pipeline("automatic-speech-recognition", model="andrespm/whisper-large-v3-turbo-eu")

def transcribe(audio):
    sr, y = audio
    
    # Convertir a mono si es estéreo
    if y.ndim > 1:
        y = y.mean(axis=1)
        
    y = y.astype(np.float32)
    y /= np.max(np.abs(y))

    return transcriber({"sampling_rate": sr, "raw": y})["text"]  

# Crear la interfaz de Gradio
demo = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(),
    outputs="text",
    title="🎙️ Demo de Reconocimiento Automático de Voz en Euskera 🎧",
    description="""
    Este sistema está basado en el entrenamiento de modelos avanzados, especialmente optimizados para **transcribir audio de forma precisa** en entornos multilingües. 🌍  
    Para comenzar, simplemente **graba tu voz** usando el botón del micrófono 🎤 o sube una grabación y presiona 'Submit' para obtener la transcripción en tiempo real. ¡Es rápido y sencillo! 🚀
    """,
    # title="🎙️ **Ahots Ezagutza Automatikoaren Demoa Euskara** 🎧",
    # description="""
    # Sistema hau hizkuntza anitzeko inguruneetan audioa zehaztasunez transkribatzeko optimizatutako modelo aurreratuetan oinarritzen da. 🌍  
    # Hasteko, **grabatu zure ahotsa** mikrofonoaren botoia erabiliz 🎤 edo igo grabazio bat, eta 'Submit' sakatu transkripzioa denbora errealean lortzeko. Azkarra eta erraza da! 🚀
    # """
    theme="default"  # También puedes probar otros temas o ajustar estilos
)

# Lanzar la demo en localhost
demo.launch(share=True)  # Esto abrirá una pestaña en tu navegador con la demo