Create app.py

app.py

@@ -0,0 +1,44 @@
+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()