app.py

import gradio as gr
from transformers import pipeline
import librosa
import soundfile as sf
import requests
import os

# Cambiar el modelo a uno específico para transcripción multilingüe
asr_pipeline = pipeline("automatic-speech-recognition", model="openai/whisper-large")

# Función para descargar el archivo si se provee una URL
def download_from_url(url):
    local_filename = url.split('/')[-1]
    with requests.get(url, stream=True) as r:
        r.raise_for_status()
        with open(local_filename, 'wb') as f:
            for chunk in r.iter_content(chunk_size=8192):
                f.write(chunk)
    return local_filename

# Función para dividir un archivo de audio en fragmentos de tamaño manejable
def split_audio(file_path, segment_duration=30):
    y, sr = librosa.load(file_path, sr=None)
    total_duration = librosa.get_duration(y=y, sr=sr)
    segments = []

    for start in range(0, int(total_duration), segment_duration):
        end = min(start + segment_duration, int(total_duration))
        segment = y[start * sr: end * sr]
        segment_path = f"{file_path}_segment_{start}-{end}.wav"
        sf.write(segment_path, segment, sr)
        segments.append(segment_path)

    return segments

# Función para procesar el archivo o la URL
def transcribe_audio(file=None, url=None):
    try:
        # Si el input es una URL, descargamos el archivo
        if url:
            file_path = download_from_url(url)
        elif file:
            file_path = file
        else:
            return "No se ha proporcionado un archivo ni un enlace."

        # Dividir el archivo en segmentos de 30 segundos
        segments = split_audio(file_path)

        # Transcribir cada segmento y concatenar los resultados
        transcriptions = []
        for segment in segments:
            result = asr_pipeline(segment, return_timestamps=True)
            transcriptions.append(result['text'])

        return " ".join(transcriptions)

    except Exception as e:
        return f"Error durante la transcripción: {str(e)}"

# Interfaz de Gradio
iface = gr.Interface(
    fn=transcribe_audio,
    inputs=[
        gr.Audio(type="filepath", label="Sube un archivo de audio o vídeo (mp3, mp4, wav, etc.)"),
        gr.Textbox(lines=1, placeholder="O pega un enlace de audio/vídeo aquí", label="URL de audio o vídeo (opcional)")
    ],
    outputs="text",
    title="Transcriptor de Audio y Vídeo",
    description="Sube un archivo de audio o vídeo o proporciona un enlace. Los archivos pueden estar en español o inglés."
)

iface.launch()