app.py

import gradio as gr

# تعريف النماذج
models = {
    "Whisper Small": "openai/whisper-small.en",
    "Wav2Vec2": "facebook/wav2vec2-base-960h"
}

# تحميل النماذج من Hugging Face
whisper = gr.Interface.load(f"huggingface/{models['Whisper Small']}")
wav2vec = gr.Interface.load(f"huggingface/{models['Wav2Vec2']}")

# دالة تحويل الصوت لنص باستخدام النموذجين
def transcribe_with_all(audio_path):
    whisper_result = whisper(audio_path)
    wav2vec_result = wav2vec(audio_path)
    return whisper_result, wav2vec_result

# واجهة Gradio للمقارنة
with gr.Blocks() as demo:
    gr.Markdown("# Speech Recognition Model Comparison")
    gr.Markdown("قارن بين نتائج تحويل الصوت إلى نص من نموذجين مختلفين")
    
    audio_input = gr.Audio(type="filepath", label="أدخل ملف صوتي")

    transcribe_btn = gr.Button("حوّل النص")

    # وضع النتائج في خلايا منفصلة
    with gr.Row():
        with gr.Column():
            gr.Markdown("### Whisper Small")
            whisper_output = gr.Textbox(label="النص الناتج من Whisper")
        with gr.Column():
            gr.Markdown("### Wav2Vec2")
            wav2vec_output = gr.Textbox(label="النص الناتج من Wav2Vec2")

    # ربط الدالة مع الأزرار
    transcribe_btn.click(
        fn=transcribe_with_all,
        inputs=audio_input,
        outputs=[whisper_output, wav2vec_output]
    )

demo.launch()