app.py

from transformers import BlenderbotTokenizer, BlenderbotForConditionalGeneration, pipeline
import gradio as gr
from textblob import TextBlob as tb

mname = "facebook/blenderbot-400M-distill"
model = BlenderbotForConditionalGeneration.from_pretrained(mname)
tokenizer = BlenderbotTokenizer.from_pretrained(mname)
p = pipeline("automatic-speech-recognition", model = "facebook/wav2vec2-large-xlsr-53-spanish")


def transcribe(audio): # Desde un mensaje de voz en español

    mensaje_voz = p(audio)["text"]
    blob = tb(mensaje_voz)
    MESSAGE = str(blob.translate(from_lang='es', to='en')) # Traduce el mensaje al inglés

    inputs = tokenizer(MESSAGE, return_tensors="pt") # Tokeniza el mensaje traducido
    reply_ids = model.generate(**inputs)

    response = tokenizer.batch_decode(reply_ids)[0] # Genera la respuesta (en inglés)

    blob_2 = tb(response)
    respuesta = str(blob_2.translate(from_lang='en', to='es'))[4:-5] # Traduce la respuesta al español
    
    return respuesta


gr.Interface(
    fn=transcribe, 
    inputs=[
        gr.Audio(source="microphone", type="filepath")
    ],
    outputs=[
        "textbox",
    ],
    live=True,).launch()