leave only the sentimiento tab

app.py

@@ -1,13 +1,13 @@
 import gradio as gr
 from transformers import pipeline
 
-trans = pipeline("automatic-speech-recognition", model = "facebook/wav2vec2-large-xlsr-53-spanish")
+#trans = pipeline("automatic-speech-recognition", model = "facebook/wav2vec2-large-xlsr-53-spanish")
 clasificador = pipeline("text-classification", model = "pysentimiento/robertuito-sentiment-analysis")
 
 
-def audio_a_texto(audio):
-    text = trans(audio)["text"]
-    return text
+#def audio_a_texto(audio):
+#    text = trans(audio)["text"]
+#    return text
 
 
 def texto_a_sentimiento(text):
@@ -16,13 +16,13 @@ def texto_a_sentimiento(text):
 demo = gr.Blocks()
 
 with demo:
-    gr.Markdown("Demo para la clase de Platzi sobre cómo usar los Blocks de Gradio.")
+    gr.Markdown("Demo para el taller de FAIaS.")
     with gr.Tabs():
-      with gr.TabItem("Transcribe audio en español"):
-        with gr.Row():
-          audio = gr.Audio(source="microphone", type="filepath")
-          transcripcion = gr.Textbox()
-        b1 = gr.Button("Transcribe porfa")
+      #with gr.TabItem("Transcribe audio en español"):
+      #  with gr.Row():
+      #    audio = gr.Audio(source="microphone", type="filepath")
+      #    transcripcion = gr.Textbox()
+      #  b1 = gr.Button("Transcribe porfa")
     
       with gr.TabItem("Análisis de sentimiento en español"):
         with gr.Row():
@@ -30,7 +30,7 @@ with demo:
           label = gr.Label()
         b2 = gr.Button("Sentimiento porfa")
 
-    b1.click(audio_a_texto, inputs=audio, outputs=transcripcion)
+    #b1.click(audio_a_texto, inputs=audio, outputs=transcripcion)
     b2.click(texto_a_sentimiento, inputs=texto, outputs=label)
 
 demo.launch()