whisper correction

scripts/generate_scripts.py

@@ -6,7 +6,6 @@ from transformers import AutoModelForCausalLM, AutoTokenizer
 import gradio as gr
 from dotenv import load_dotenv
 import spaces
-import torch
 from transformers import AutoModelForCausalLM, AutoTokenizer
 
 

scripts/generate_subtitles.py

@@ -83,13 +83,14 @@ def save_subtitles_to_srt(subtitles, output_path):
             f.write(f"{format_timestamp(sub['start'])} --> {format_timestamp(sub['end'])}\n")
             f.write(f"{sub['text'].strip()}\n\n")
 
-
+@spaces.GPU()
 def transcribe_audio_to_subs(audio_path):
     """
     Transcrit le fichier audio en texte (via Whisper), retourne la liste
     des segments start/end/text, et sauvegarde en .srt.
     """
     print("🎙️ Transcription avec Whisper...")
+    import whisper
     model = whisper.load_model("medium")
     result = model.transcribe(audio_path)