pgilles commited on
Commit
b5d3b73
·
1 Parent(s): c64f1a1

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +8 -3
app.py CHANGED
@@ -27,7 +27,7 @@ model_name = "pgilles/whisper-large-v2-lb_cased_01"
27
  #model = model.to(device)
28
 
29
  #p = pipeline("automatic-speech-recognition", model=model, tokenizer=tokenizer, feature_extractor=processor.feature_extractor, decoder=processor.decoder, use_auth_token=token_key)
30
- p = pipeline("automatic-speech-recognition", model=model_name, device=0)
31
 
32
  #p = pipeline("automatic-speech-recognition", model=model_name, use_auth_token = token_key)
33
  #p = pipeline("automatic-speech-recognition", model=model_name, use_auth_token = True)
@@ -49,9 +49,14 @@ def asr_pipe(input_file):
49
  load_data(input_file)
50
  transcription = p(input_file, chunk_length_s=3, stride_length_s=(0.5, 0.5))["text"]
51
  return transcription
52
-
 
 
 
 
53
  gr.Interface(asr_pipe,
54
- inputs = gr.inputs.Audio(source="microphone", type="filepath", optional=True, label="Hei kënnt Dir Är Sprooch iwwert de Mikro ophuelen"),
 
55
  outputs = gr.outputs.Textbox(label="Erkannten Text"),
56
  title="Sproocherkennung fir d'Lëtzebuergescht @uni.lu",
57
  description = "Dës App convertéiert Är geschwate Sprooch an de (méi oder manner richtegen ;-)) Text! Dir kënnt Iech selwer iwwer de Mikro ophuelen (am beschten 5 bis 10 Sekonnen) oder e Beispill ënnen auswielen. Den erkannten Text gëtt da riets gewisen. D''Word Error Rate' vun dësem Modell läit bei 14, d.h. vun 100 Wierder ginn der 14 net richteg erkannt.",
 
27
  #model = model.to(device)
28
 
29
  #p = pipeline("automatic-speech-recognition", model=model, tokenizer=tokenizer, feature_extractor=processor.feature_extractor, decoder=processor.decoder, use_auth_token=token_key)
30
+ p = pipeline("automatic-speech-recognition", model=model_name, chunk_length_s = 29, device=0)
31
 
32
  #p = pipeline("automatic-speech-recognition", model=model_name, use_auth_token = token_key)
33
  #p = pipeline("automatic-speech-recognition", model=model_name, use_auth_token = True)
 
49
  load_data(input_file)
50
  transcription = p(input_file, chunk_length_s=3, stride_length_s=(0.5, 0.5))["text"]
51
  return transcription
52
+
53
+ input1=[gr.inputs.Audio(source="microphone", type='filepath', label="Click and Start Speaking..."), "state"]
54
+ input2=gr.inputs.Audio(source="upload", type='filepath', label="Load your own file...")
55
+ inputs=[input1, input2]
56
+
57
  gr.Interface(asr_pipe,
58
+ #inputs = gr.inputs.Audio(source="microphone", type="filepath", optional=True, label="Hei kënnt Dir Är Sprooch iwwert de Mikro ophuelen"),
59
+ inputs = inputs,
60
  outputs = gr.outputs.Textbox(label="Erkannten Text"),
61
  title="Sproocherkennung fir d'Lëtzebuergescht @uni.lu",
62
  description = "Dës App convertéiert Är geschwate Sprooch an de (méi oder manner richtegen ;-)) Text! Dir kënnt Iech selwer iwwer de Mikro ophuelen (am beschten 5 bis 10 Sekonnen) oder e Beispill ënnen auswielen. Den erkannten Text gëtt da riets gewisen. D''Word Error Rate' vun dësem Modell läit bei 14, d.h. vun 100 Wierder ginn der 14 net richteg erkannt.",