app.py

import gradio as gr
from transformers import pipeline
import whisper

# Cargar el modelo de transcripción Whisper
model_whisper = whisper.load_model("base")

# Cargar un modelo de lenguaje pre-entrenado para PLN (Hugging Face)
# Ejemplo de T5 para tareas de generación de texto
nlp_model = pipeline("summarization", model="t5-base")

# Función para transcribir el audio y procesar el texto
def process_audio(audio_file):
    # Transcribir el audio
    transcription = model_whisper.transcribe(audio_file)["text"]
    
    # Realizar tareas de PLN sobre el texto transcrito
    summary = nlp_model(transcription)[0]["summary_text"]
    
    return transcription, summary

# Interfaz de usuario usando Gradio
interface = gr.Interface(
    fn=process_audio,
    inputs=gr.Audio(source="upload", type="filepath"),
    outputs=["text", "text"],
    title="Transcripción y Análisis de Audio",
    description="Sube un archivo de audio para transcribirlo y resumir el contenido."
)

interface.launch()