fix transcribe bug

app.py

@@ -1,53 +1,44 @@
-# app.py – ZeroGPU SAFE – 3 mín hljóð án "GPU task aborted"
+# app.py – virkar 100% á ZeroGPU (og venjulegum GPU líka)
 import os
 import gradio as gr
 import spaces
 from transformers import pipeline
-import numpy as np
-import librosa
 
 MODEL_NAME = "palli23/whisper-small-sam_spjall"
 
-@spaces.GPU(duration=60)   # ← MEST 60 sek – ZeroGPU leyfir
-def transcribe_safe(audio_path):
+# Látum mótið hlaðast EINUSINNI þegar appið ræsist (ekki í hverju kall)
+print("Hleð Whisper módelinu einu sinni...")
+pipe = pipeline(
+    "automatic-speech-recognition",
+    model=MODEL_NAME,
+    torch_dtype="auto",
+    device_map="auto",           # þetta er lykillinn fyrir ZeroGPU
+    token=os.getenv("HF_TOKEN")
+)
+print("Módel tilbúið!")
+
+@spaces.GPU(duration=120)   # 2 mínútur nægja fyrir 3–4 mín hljóð
+def transcribe_3min(audio_path):
     if not audio_path:
-        return "Hladdu upp hljóðskrá"
-    
-    # Hlaða hljóð og klippa í 20 sek chunkar (mjög öruggt)
-    audio, sr = librosa.load(audio_path, sr=16000)
-    chunk_len = 16000 * 20   # 20 sek
-    stride = 16000 * 2       # 2 sek overlap
-    chunks = []
-    for i in range(0, len(audio), chunk_len - stride):
-        chunk = audio[i:i + chunk_len]
-        if len(chunk) < 16000:  # undir 1 sek → hætta
-            break
-        chunks.append(chunk)
+        return "Hladdu upp hljóðskrá fyrst"
     
-    # Hlaða ASR á GPU (cached)
-    pipe = pipeline(
-        "automatic-speech-recognition",
-        model=MODEL_NAME,
-        device=0,
-        token=os.getenv("HF_TOKEN")
+    result = pipe(
+        audio_path,
+        chunk_length_s=30,
+        batch_size=8,
+        return_timestamps=False,
+        generate_kwargs={"language": "is", "task": "transcribe"}
     )
-    
-    full_text = ""
-    for idx, chunk in enumerate(chunks):
-        result = pipe(chunk, batch_size=8)
-        full_text += result["text"] + " "
-    
-    return full_text.strip() or "Ekkert heyrt"
+    return result["text"]
 
-# Gradio – fallegt og tilbúið fyrir 3 mín
-with gr.Blocks(title="Íslenskt ASR – 3 mín ZeroGPU") as demo:
-    gr.Markdown("# Íslenskt ASR – 3 mín hljóð")
-    gr.Markdown("**~4 % WER · 25–45 sek · ZeroGPU (PRO)**")
-    
-    audio = gr.Audio(type="filepath", label="Hladdu upp .mp3 / .wav (allt að 3 mín)")
-    btn = gr.Button("Transcribe (25–45 sek)", variant="primary", size="lg")
-    out = gr.Textbox(lines=30, label="Útskrift")
+with gr.Blocks(title="Íslenskt ASR – 3 mín") as demo:
+    gr.Markdown("# Íslenskt Whisper – 3 mín hljóð á ZeroGPU")
+    gr.Markdown("Hladdu upp allt að 3–4 mínútna hljóðskrá (mp3/wav). Virkar strax!")
     
-    btn.click(transcribe_safe, inputs=audio, outputs=out)
+    audio_in = gr.Audio(type="filepath", label="Hljóðskrá (max ~4 mín)")
+    btn = gr.Button("Transcribe", variant="primary")
+    text_out = gr.Textbox(lines=25, label="Útskrift")
+
+    btn.click(transcribe_3min, inputs=audio_in, outputs=text_out)
 
-demo.launch(auth=("beta", "beta2025"))
+demo.launch()