import gradio as gr
from whisper2 import generate


MODEL_NAME = "/whisper-large-v3"



def transcribe(inputs):
    if inputs is None:
        raise gr.Error("Cap fitxer d'àudio introduit! Si us plau pengeu un fitxer "\
                       "o enregistreu un àudio abans d'enviar la vostra sol·licitud")

    return generate(audio=inputs)


description_string = "Transcripció automàtica de micròfon o de fitxers d'àudio.\n Aquest demostrador s'ha desenvolupat per"\
              " comprovar els models de reconeixement de parla per a móbils. Per ara utilitza el checkpoint "\
              f"[{MODEL_NAME}](https://huggingface.co/{MODEL_NAME}) i la llibreria de 🤗 Transformers per a la transcripció."

file_transcribe = gr.Interface(
    fn=transcribe,
    inputs=[
        gr.Audio(sources=["upload", "microphone"], type="filepath", label="Audio")
    ],
    outputs="text",
    title="Transcripció automàtica d'àudio",
    description=(description_string),
    allow_flagging="never",
)


demo = gr.TabbedInterface([file_transcribe], ["Fitxer"])

if __name__ == "__main__":
    demo.launch()