Create app.py

app.py

@@ -0,0 +1,35 @@
+import gradio as gr
+import tensorflow as tf
+import librosa
+import numpy as np
+
+# Diccionario de etiquetas
+labels = ['down', 'go', 'left', 'no', 'off', 'on', 'right', 'stop', 'up', 'yes'] 
+
+def classify_audio(audio_file):
+    # Carga el modelo
+    model = tf.keras.models.load_model('my_model.h5')  
+
+    # Preprocesa el audio
+    audio, sr = librosa.load(audio_file, sr=8000) # Asegúrate de que la frecuencia de muestreo coincide con la del entrenamiento
+    mfccs = librosa.feature.mfcc(y=audio, sr=sr, n_mfcc=40) # Extrae las MFCCs
+    mfccs_processed = np.mean(mfccs.T,axis=0) # Calcula la media de las MFCCs
+    mfccs_processed = mfccs_processed.reshape(1, 40) # Redimensiona para la entrada del modelo
+
+    # Realiza la predicción
+    prediction = model.predict(mfccs_processed)
+    predicted_label_index = np.argmax(prediction) # Obtiene el índice de la etiqueta predicha
+
+    # Devuelve la etiqueta predicha
+    predicted_label = labels[predicted_label_index]
+    return predicted_label
+
+iface = gr.Interface(
+    fn=classify_audio,
+    inputs=gr.Audio(type="filepath"),
+    outputs="text",
+    title="Clasificación de audio simple",
+    description="Sube un archivo de audio para clasificarlo."
+)
+
+iface.launch()