import gradio as gr
from whisper import generate
from AinaTheme import theme

MODEL_NAME = "/whisper-large-v3"
USE_V4 = False


def transcribe(inputs, use_v4):
    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_path=inputs, use_v4=use_v4)


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."


def clear():
     return (
          None,
          USE_V4
     )


with gr.Blocks(theme=theme) as demo:
    gr.Markdown(description_string)
    with gr.Row():
        with gr.Column(scale=1):
            use_v4 = gr.Checkbox(label="Use v4", value=USE_V4)
            input = gr.Audio(sources=["upload", "microphone"], type="filepath", label="Audio")

        with gr.Column(scale=1):
            output = gr.Textbox(label="Output", lines=8)
    
    with gr.Row(variant="panel"):
            clear_btn = gr.Button("Clear")
            submit_btn = gr.Button("Submit", variant="primary")


    submit_btn.click(fn=transcribe, inputs=[input, use_v4], outputs=[output])
    clear_btn.click(fn=clear,inputs=[], outputs=[input, use_v4], queue=False,)


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