Update app.py

app.py

@@ -6,28 +6,24 @@ import io
 import numpy as np
 from contextlib import asynccontextmanager
 
-# --- CONFIGURATION ---
-# On garde uniquement la V2 car elle est meilleure sur les voix réelles
-MODEL_ID = "Cnam-LMSSC/wav2vec2-french-phonemizer-v2"
+# --- CONFIGURATION V1 ---
+MODEL_ID = "Cnam-LMSSC/wav2vec2-french-phonemizer"
 
 ai_context = {}
 
 @asynccontextmanager
 async def lifespan(app: FastAPI):
-    print(f"🚀 Chargement du modèle stable {MODEL_ID}...")
+    print(f"🚀 Chargement du modèle V1 {MODEL_ID}...")
     try:
-        # Chargement du processeur et du modèle
         processor = Wav2Vec2Processor.from_pretrained(MODEL_ID)
         model = Wav2Vec2ForCTC.from_pretrained(MODEL_ID)
-        model.eval() # Mode lecture seule
+        model.eval()
         
         ai_context["processor"] = processor
         ai_context["model"] = model
-        
-        # On stocke le vocabulaire pour le masque
         ai_context["vocab"] = processor.tokenizer.get_vocab()
         
-        print("✅ Modèle V2 chargé et prêt.")
+        print("✅ Modèle V1 prêt.")
     except Exception as e:
         print(f"❌ Erreur critique : {e}")
     yield
@@ -37,7 +33,7 @@ app = FastAPI(lifespan=lifespan)
 
 @app.get("/")
 def home():
-    return {"status": "API V2 Stable running", "model": MODEL_ID}
+    return {"status": "API V1 running", "model": MODEL_ID}
 
 @app.post("/transcribe")
 async def transcribe(
@@ -47,46 +43,39 @@ async def transcribe(
     if "model" not in ai_context:
         raise HTTPException(status_code=500, detail="Modèle non chargé")
 
-    # 1. Lecture Audio (Simple et robuste)
+    # 1. Lecture Audio
     try:
         content = await file.read()
-        # On lit juste le fichier, sans essayer de couper les silences (risque de bugs)
         audio_array, _ = librosa.load(io.BytesIO(content), sr=16000)
     except Exception as e:
         raise HTTPException(status_code=400, detail=f"Erreur audio: {str(e)}")
 
-    # 2. Préparation Modèle
+    # 2. Préparation
     processor = ai_context["processor"]
     model = ai_context["model"]
-    
     inputs = processor(audio_array, sampling_rate=16000, return_tensors="pt", padding=True)
 
-    # 3. Calcul des Logits
+    # 3. Logits
     with torch.no_grad():
         logits = model(inputs.input_values).logits
 
-    # --- 4. APPLICATION DU MASQUE BINAIRE ---
-    
+    # 4. Masque Binaire Strict
     requested_phones = [p.strip() for p in allowed_phones.split(',') if p.strip()]
     
     if requested_phones:
         vocab = ai_context["vocab"]
-        # Tokens techniques indispensables
+        # Tokens techniques V1 (Le modèle V1 utilise beaucoup le pipe '|')
         technical_tokens = ["<pad>", "<s>", "</s>", "<unk>", "|", "[PAD]", "[UNK]"]
         full_allowed_set = set(requested_phones + technical_tokens)
         
-        # Mapping vers les ID du modèle
         allowed_indices = [vocab[t] for t in full_allowed_set if t in vocab]
         
         if allowed_indices:
-            # On interdit tout (-Infini)
             mask = torch.full((logits.shape[-1],), float('-inf'))
-            # On autorise la liste blanche (0.0)
             mask[allowed_indices] = 0.0
-            # Application
             logits = logits + mask
 
-    # 5. Décodage (Le gagnant prend tout)
+    # 5. Décodage
     predicted_ids = torch.argmax(logits, dim=-1)
     transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]