Update app.py

app.py

@@ -1,48 +1,81 @@
-# charger le modèle bart-large-cnn
-summarizer = pipeline(task="summarization", model="facebook/bart-large-cnn")
-# charger le modèle mT5_multilingual_XLSum
-summarizer_1= pipeline("summarization", model="csebuetnlp/mT5_multilingual_XLSum")
-# Définir une fonction summarize_func avec bart_large-cnn 
-def summarize_func(input, min_length, max_length):
-    output = summarizer(input.strip(),min_length, max_length)
-    return output[0]['summary_text']
-
-# Définir une fonction summarize_func avec mT5-multilingual
-def summarize_func_1(input, min_length, max_length):
-    output = summarizer_1(input.strip(), min_length, max_length)
-    return output[0]['summary_text']
-
-# Déployer
+# importer gradio
 import gradio as gr
-import os
-# Création de blocks
-demo = gr.Blocks(theme='NoCrypt/miku')
-inputs = [gr.Textbox(label="Text à résumer", lines=6),
-          gr.Number(label = 'Longueur Minimal'), 
-          gr.Number(label = 'Longueur Maximal')]
-summarizer1 = gr.Interface(fn=summarize_func,
-                    inputs=inputs,
-                    outputs=[gr.Textbox(label="Résumé", lines=3)],
-                    title="Text summarization avec bart-large-cnn",
-                    description="Résumer n'importe quel texte avec bart-large-cnn"
-                   )
-inputs1 = [gr.Textbox(label="Text à résumer", lines=6),
-          gr.Number(label = 'Longueur Minimal'), 
-          gr.Number(label = 'Longueur Maximal')]
-
-summarizer2 = gr.Interface(fn=summarize_func_1,
-                    inputs=inputs1,
-                    outputs=[gr.Textbox(label="Result", lines=3)],
-                    title="Text summarization avec mT5_multilingual_XLSum",
-                    description="Résumer n'importe quel texte mT5_multilingual_XLSum"
-                   )
+from transformers import pipeline
+# Importer nemo.collections.asr
+import nemo.collections.asr as nemo_asr
+# Instancier le modèle canary
+asr_canary = nemo_asr.models.ASRModel.from_pretrained("nvidia/canary-1b-flash")
+# Instanstier le modèle whisper
+asr_whisper = pipeline("automatic-speech-recognition", model="openai/whisper-small")
 
+# Fonction de transcription whisper
+def transcrire1(fpath):
+    output = asr_whisper(fpath)
+    return output["text"]
+
+# Fonction de transcription canary-1b-flash
+def transcrire2(fpath, source_lang, target_lang):
+    transcriptions = asr_canary.transcribe([fpath],
+                                       source_lang = source_lang, target_lang =  target_lang)
+    text = transcriptions[0].text
+
+    return text
+
+# Créer les blocs
+demo = gr.Blocks(theme='JohnSmith9982/small_and_pretty')
+# Créer un interface ASR whisper avec un microphone
+mic_transcrire = gr.Interface(
+    fn=transcrire1,
+    inputs=gr.Audio(sources="microphone",
+                    type="filepath"),
+    cache_examples=True,
+    outputs=gr.Textbox(label="Transcription",
+                       lines=3),
+    title = 'Transcrire par microphone - Whisper')
+
+# Créer un interface ASR whisper par audio
+fich_transcrire = gr.Interface(
+    fn=transcrire1,
+    inputs=gr.Audio(sources="upload",
+                    type="filepath"),
+    outputs=gr.Textbox(label="Transcription",
+                       lines=3),
+    title = 'Transcrire un fichier audio - Whisper'
+)
+
+# Créer un interface ASR canary avec un microphone
+mic_transcrire1 = gr.Interface(
+    fn=transcrire2,
+    inputs=[gr.Audio(sources="microphone",type="filepath"),
+            gr.Dropdown(choices = ['fr', 'en'], label ='Source languge'),
+            gr.Dropdown(choices = ['fr', 'en'], label = 'Target language')],
+    cache_examples=True,
+    outputs=gr.Textbox(label="Transcription",
+                       lines=3),
+    title = 'Transcrire par microphone - Canary')
+
+# Créer un interface ASR canary par audio
+fich_transcrire1 = gr.Interface(
+    fn=transcrire2,
+    inputs=[gr.Audio(sources="upload",type="filepath"),
+            gr.Dropdown(choices = ['fr', 'en'], label ='Source languge'),
+            gr.Dropdown(choices = ['fr', 'en'], label ='Target language')],
+    outputs=gr.Textbox(label="Transcription",
+                       lines=3),
+    title= 'Transcrire un fichier audio - Canary'
+)
+
+# Faire un tabbed des interfaces sur demo
 with demo:
     gr.TabbedInterface(
-        [summarizer1,
-         summarizer2],
-        ["Summarize avec mT5",
-         "Summarize avec bart"],
+        [mic_transcrire,
+         fich_transcrire,
+         mic_transcrire1,
+         fich_transcrire1],
+        ["Transcrire Microphone",
+         "Transcrire Audio",
+         "Transcrire Microphone",
+         "Transcrire Audio"],
     )
 
 demo.launch()