File size: 3,373 Bytes
2985ec0 a725a47 2985ec0 a725a47 2985ec0 a725a47 2985ec0 a725a47 2985ec0 a725a47 2985ec0 a725a47 bbb1f67 a725a47 2985ec0 a725a47 2985ec0 a725a47 2985ec0 a725a47 bbb1f67 a725a47 2985ec0 a725a47 2985ec0 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 |
import torch
import gradio as gr
import pytube as pt
from transformers import pipeline
from huggingface_hub import model_info
MODEL_NAME = "EdoAbati/whisper-large-v2-it" #this always needs to stay in line 8 :D sorry for the hackiness
lang = "it"
device = 0 if torch.cuda.is_available() else "cpu"
pipe = pipeline(
task="automatic-speech-recognition",
model=MODEL_NAME,
chunk_length_s=30,
device=device,
)
pipe.model.config.forced_decoder_ids = pipe.tokenizer.get_decoder_prompt_ids(language=lang, task="transcribe")
def transcribe(microphone, file_upload):
warn_output = ""
if (microphone is not None) and (file_upload is not None):
warn_output = (
"ATTENZIONE: Hai caricato un file audio e anche registrato col microfono. "
"Verrà trascritta la registrazione dal microfono, mentre il file audio verrà cancellato. \n"
)
elif (microphone is None) and (file_upload is None):
return "ERRORE: Devi caricare un file audio oppure registrare con il microfono."
file = microphone if microphone is not None else file_upload
text = pipe(file)["text"]
return warn_output + text
def _return_yt_html_embed(yt_url):
video_id = yt_url.split("?v=")[-1]
HTML_str = (
f'<center> <iframe width="500" height="320" src="https://www.youtube.com/embed/{video_id}"> </iframe>'
" </center>"
)
return HTML_str
def yt_transcribe(yt_url):
yt = pt.YouTube(yt_url)
html_embed_str = _return_yt_html_embed(yt_url)
stream = yt.streams.filter(only_audio=True)[0]
stream.download(filename="audio.mp3")
text = pipe("audio.mp3")["text"]
return html_embed_str, text
demo = gr.Blocks()
text_output = gr.Textbox(show_label=True)
text_output.style(show_copy_button=True)
mf_transcribe = gr.Interface(
fn=transcribe,
inputs=[
gr.inputs.Audio(source="microphone", type="filepath"),
gr.inputs.Audio(source="upload", type="filepath"),
],
outputs=text_output,
title="Trascrivi Audio",
description=(
"Trascrivi l'input da microfono o file audio con un click!\n"
"L'inference su scheda grafica riduce i tempi di circa 10 volte, "
"per coprire le spese puoi offrirmi un caffe ☕️[qui](https://ko-fi.com/marcobuiani)\n"
"Questa demo usa una versione di Whisper ottimizzata per l'Italiano da " f"[EdoAbati](https://huggingface.co/{MODEL_NAME})"
),
allow_flagging="never",
)
text_output_yt = gr.Textbox(show_label=True)
text_output_yt.style(show_copy_button=True)
yt_transcribe = gr.Interface(
fn=yt_transcribe,
inputs=[gr.inputs.Textbox(lines=1, placeholder="Incolla qui il link di un video YouTube", label="YouTube link")],
outputs=["html", text_output_yt],
title="Trascrivi Video YouTube",
description=(
"Trascrivi un video YouTube dal link con un click!\n"
"L'inference su scheda grafica riduce i tempi di circa 10 volte, "
"per coprire le spese puoi offrirmi un caffe ☕️[qui](https://ko-fi.com/marcobuiani)\n"
"Questa demo usa una versione di Whisper ottimizzata per l'Italiano da " f"[EdoAbati](https://huggingface.co/{MODEL_NAME})"
),
allow_flagging="never",
)
with demo:
gr.TabbedInterface([mf_transcribe, yt_transcribe], ["Trascrivi Audio", "Trascrivi YouTube"])
demo.launch(enable_queue=True)
|