Initial commit - Añadir aplicación de transcripción de audio

README.md

@@ -1,13 +1,35 @@
----
-title: Audio Transcription App
-emoji: 😻
-colorFrom: pink
-colorTo: green
-sdk: gradio
-sdk_version: 4.44.1
-app_file: app.py
-pinned: false
-license: apache-2.0
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# Aplicación de Transcripción de Audio Multilingüe
+
+Esta aplicación permite transcribir archivos de audio en inglés y español a texto utilizando el modelo Whisper de OpenAI a través de Hugging Face y una interfaz web amigable creada con Gradio.
+
+## Características
+
+- Soporta múltiples formatos de audio (e.g., MP3, WAV).
+- Detecta y transcribe automáticamente los idiomas inglés y español.
+- Interfaz web sencilla para subir archivos y ver transcripciones.
+- Incluye archivos de ejemplo para probar la funcionalidad.
+
+## Cómo Usar
+
+1. **Subir un Archivo de Audio:**
+   - Haz clic en el botón de carga y selecciona un archivo de audio en inglés o español (e.g., MP3, WAV).
+
+2. **Esperar la Transcripción:**
+   - El modelo procesará el audio y mostrará el texto transcrito en la sección de salida.
+
+3. **Ver y Copiar el Texto:**
+   - Una vez finalizada la transcripción, podrás ver el texto y copiarlo según sea necesario.
+
+## Tecnologías Utilizadas
+
+- [Gradio](https://gradio.app/) para la interfaz web.
+- [Hugging Face Transformers](https://huggingface.co/docs/transformers/index) para el modelo de transcripción.
+- [Librosa](https://librosa.org/) para el procesamiento de audio.
+
+## Despliegue
+
+Esta aplicación está desplegada en [Hugging Face Spaces](https://huggingface.co/spaces).
+
+## Licencia
+
+[MIT](LICENSE)

app.py

@@ -0,0 +1,71 @@
+import gradio as gr
+from transformers import pipeline
+import torch
+import librosa
+import os
+import logging
+import warnings
+
+# Suprimir advertencias innecesarias
+logging.getLogger("transformers").setLevel(logging.ERROR)
+warnings.filterwarnings("ignore", category=FutureWarning)
+
+# Imprimir la versión de Gradio para depuración
+print(f"Gradio version: {gr.__version__}")
+
+# Configurar el dispositivo: GPU si está disponible, sino CPU
+device = "cuda" if torch.cuda.is_available() else "cpu"
+
+# Inicializar el pipeline de transcripción
+transcriber = pipeline(
+    "automatic-speech-recognition",
+    model="openai/whisper-base",
+    device=0 if device == "cuda" else -1
+)
+
+def transcribe_audio(audio):
+    """
+    Transcribe el archivo de audio proporcionado a texto.
+
+    Args:
+        audio: Ruta al archivo de audio subido.
+
+    Returns:
+        Texto transcrito.
+    """
+    if audio is None:
+        return "No se ha subido ningún archivo de audio."
+
+    try:
+        # Cargar el archivo de audio usando librosa
+        speech, sr = librosa.load(audio, sr=16000)  # Whisper requiere 16kHz
+    except Exception as e:
+        return f"Error al cargar el audio: {e}"
+
+    # Realizar la transcripción
+    try:
+        transcription = transcriber(speech, sampling_rate=sr)
+        return transcription['text']
+    except Exception as e:
+        return f"Error durante la transcripción: {e}"
+
+# Definir la interfaz de Gradio
+iface = gr.Interface(
+    fn=transcribe_audio,
+    inputs=gr.Audio(type="filepath", label="Subir Archivo de Audio (MP3/otros)"),
+    outputs="text",
+    title="Transcripción Multilingüe de Audio",
+    description=(
+        "Sube un archivo de audio en formato MP3 u otro compatible (inglés o español) y "
+        "obtén el texto transcrito. Utiliza el modelo Whisper de OpenAI a través de Hugging Face."
+    ),
+    examples=[
+        ["examples/sample_english.mp3"],
+        ["examples/sample_spanish.mp3"]
+    ],
+    allow_flagging="never",
+    theme="default"
+)
+
+# Lanzar la interfaz
+iface.launch(share=False, server_name="0.0.0.0", server_port=int(os.environ.get("PORT", 7860)))

requirements.txt

@@ -0,0 +1,6 @@
+gradio==4.44.1
+transformers==4.30.0
+torch==2.0.1
+librosa==0.9.2
+soundfile==0.12.1
+huggingface-hub>=0.13.3