Create app.py

app.py

@@ -0,0 +1,51 @@
+import gradio as gr
+import torch
+from transformers import Wav2Vec2ForSequenceClassification, Wav2Vec2Processor
+import librosa
+import numpy as np
+
+# تحميل النموذج والمعالج من Hugging Face
+model_name = "facebook/wav2vec2-large-xlsr-53"
+model = Wav2Vec2ForSequenceClassification.from_pretrained(model_name, num_labels=7)
+processor = Wav2Vec2Processor.from_pretrained(model_name)
+
+# دالة لمعالجة الصوت وتحويله إلى مشاعر
+def recognize_emotion(audio):
+    # تحميل الصوت باستخدام librosa
+    audio_input, _ = librosa.load(audio, sr=16000)
+    
+    # استخراج الميزات باستخدام Wav2Vec2 Processor
+    inputs = processor(audio_input, sampling_rate=16000, return_tensors="pt", padding=True)
+    
+    # تمرير البيانات عبر النموذج
+    with torch.no_grad():
+        logits = model(**inputs).logits
+    
+    # تحويل القيم إلى المشاعر
+    emotion_map = {
+        0: "Neutral",
+        1: "Happy",
+        2: "Angry",
+        3: "Sad",
+        4: "Surprised",
+        5: "Fearful",
+        6: "Disgusted"
+    }
+    
+    # تصنيف الصوت
+    predicted_class = torch.argmax(logits, dim=-1).item()
+    emotion = emotion_map[predicted_class]
+    
+    return emotion
+
+# واجهة Gradio
+iface = gr.Interface(
+    fn=recognize_emotion, 
+    inputs=gr.inputs.Audio(source="microphone", type="filepath"),
+    outputs="text",
+    title="Speech Emotion Recognition",
+    description="Identify the emotion in the speech: Happy, Sad, Angry, Surprised, Neutral, Fearful, or Disgusted."
+)
+
+# تشغيل الواجهة
+iface.launch()