Update app.py

app.py

@@ -1,62 +1,62 @@
-import gradio as gr
-from transformers import pipeline
-import torch
-from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor
-import os
-
-
-
-# Disponibilidad de GPU
-device = "cuda:0" if torch.cuda.is_available() else "cpu"
-torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
-
-# ID del modelo 
-model_id = "openai/whisper-large-v3-turbo"
-
-model = AutoModelForSpeechSeq2Seq.from_pretrained(
-    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
-)
-model.to(device)
-
-processor = AutoProcessor.from_pretrained(model_id)
-
-
-pipe = pipeline(
-    "automatic-speech-recognition",
-    model=model,
-    tokenizer=processor.tokenizer,
-    feature_extractor=processor.feature_extractor,
-    chunk_length_s=30,
-    batch_size=16,  # Para ajustar dependiendo de la capacidad del sistema
-    torch_dtype=torch_dtype,
-    device=device,
-)
-
-
-def transcribe(audio):
-    if audio is None or not os.path.exists(audio):
-        return "Input de audio inválido. Por favor, sube un archivo de audio válido."
-
-
-    try:
-        result = pipe(audio)
-        return result["text"]
-    except Exception as e:
-        return f"Ocurrió un error durante la transcripción: {e}"
-
-
-iface = gr.Interface(
-    fn=transcribe,
-    inputs=gr.Audio(type="filepath", label="Subir archivo de audio"),
-    outputs=gr.Textbox(label="Resultado de la transcripción"),
-    title="Transcripción por reconocimiento de audio",
-    description="Sube tu audio para transcribir a texto.\n\nDesarrollado por Evelyn Valenzano © 2024",
-    examples=[
-        ["example_audio_1.wav"],  # Ojo añadir el camino de los archivo
-        ["example_audio_2.wav"],
-    ],
-    live=True,  
-    theme="default",  
-)
-
+import gradio as gr
+from transformers import pipeline
+import torch
+from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor
+import os
+
+
+
+# Disponibilidad de GPU
+device = "cuda:0" if torch.cuda.is_available() else "cpu"
+torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
+
+# ID del modelo 
+model_id = "openai/whisper-large-v3-turbo"
+
+model = AutoModelForSpeechSeq2Seq.from_pretrained(
+    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
+)
+model.to(device)
+
+processor = AutoProcessor.from_pretrained(model_id)
+
+
+pipe = pipeline(
+    "automatic-speech-recognition",
+    model=model,
+    tokenizer=processor.tokenizer,
+    feature_extractor=processor.feature_extractor,
+    chunk_length_s=30,
+    batch_size=16,  # Para ajustar dependiendo de la capacidad del sistema
+    torch_dtype=torch_dtype,
+    device=device,
+)
+
+
+def transcribe(audio):
+    if audio is None or not os.path.exists(audio):
+        return "Input de audio inválido. Por favor, sube un archivo de audio válido."
+
+
+    try:
+        result = pipe(audio)
+        return result["text"]
+    except Exception as e:
+        return f"Ocurrió un error durante la transcripción: {e}"
+
+
+iface = gr.Interface(
+    fn=transcribe,
+    inputs=gr.Audio(type="filepath", label="Subir archivo de audio"),
+    outputs=gr.Textbox(label="Resultado de la transcripción"),
+    title="Transcripción por reconocimiento de audio",
+    description="Sube tu audio para transcribir a texto.\n\nEV 2024",
+    examples=[
+        ["example_audio_1.wav"],  # Ojo añadir el camino de los archivo
+        ["example_audio_2.wav"],
+    ],
+    live=True,  
+    theme="default",  
+)
+
 iface.launch()