Update app.py

app.py

@@ -1,50 +1,17 @@
-# # from speechbrain.inference.ASR import EncoderASR
-# # import gradio as gr
-
-# # model = EncoderASR.from_hparams("speechbrain/asr-wav2vec2-dvoice-wolof")
-
-# # def transcribe(audio):
-# #   return model.transcribe_file(audio.name)
-
-
-# # demo = gr.Interface(fn=transcribe, inputs="file", outputs="text", 
-# #                    title="Transcription automatique du wolof", 
-# #              description="Ce modèle transcrit un fichier audio en wolof en texte en utilisant l'alphabet latin.",              
-# #              input_label="Audio en wolof", 
-# #              output_label="Transcription alphabet latin"
-# #                    )
-
-# # demo.launch()
-
-
 from speechbrain.inference.ASR import EncoderASR
 import gradio as gr
-import numpy as np
 
-# Charger le modèle pré-entraîné
 model = EncoderASR.from_hparams("speechbrain/asr-wav2vec2-dvoice-wolof")
 
-# # Définir la fonction de transcription
-# def transcribe(audio):
-#     sr, y = audio
-#     y = y.astype(np.float32)
-#     y /= np.max(np.abs(y))
-
-#     # Utiliser le modèle pour transcrire l'audio
-#     return model.transcribe({"sampling_rate": sr, "raw": y})["text"]
-
 def transcribe(audio):
   return model.transcribe_file(audio.name)
 
 
-# Créer l'interface Gradio avec le microphone et le téléchargement de fichier comme options d'entrée
-asrdemo = gr.Interface(
-    title="Transcription audio en wolof latin by Papa Sega",
-    fn=transcribe,
-    inputs=gr.Audio(sources=["microphone", "upload"]),
-    outputs="text",
-)
-
-# Lancer l'application Gradio
-asrdemo.launch()
+demo = gr.Interface(fn=transcribe, inputs="file", outputs="text", 
+                   title="Transcription automatique du wolof", 
+             description="Ce modèle transcrit un fichier audio en wolof en texte en utilisant l'alphabet latin.",              
+             input_label="Audio en wolof", 
+             output_label="Transcription alphabet latin"
+                   )
 
+demo.launch()