Spaces:
Running
Running
| from transformers import WhisperForConditionalGeneration, WhisperProcessor | |
| import gradio as gr | |
| import torch | |
| import librosa | |
| import numpy as np | |
| # Cấu hình thiết bị | |
| device = "cuda:0" if torch.cuda.is_available() else "cpu" | |
| # Tải model và processor | |
| model = WhisperForConditionalGeneration.from_pretrained("ntviet/whisper-small-hre5.2").to(device) | |
| processor = WhisperProcessor.from_pretrained("ntviet/whisper-small-hre5.2") | |
| # Tắt tính năng forced_decoder_ids trong generation config | |
| if hasattr(model.generation_config, "forced_decoder_ids"): | |
| model.generation_config.forced_decoder_ids = None | |
| def transcribe(audio_path): | |
| try: | |
| # Đọc file âm thanh với librosa | |
| audio, sr = librosa.load(audio_path, sr=16000) | |
| # Chuẩn hóa dữ liệu âm thanh | |
| audio = librosa.util.normalize(audio) * 0.9 # Giảm volume để tránh clipping | |
| # Xử lý âm thanh | |
| inputs = processor( | |
| audio, | |
| sampling_rate=16000, | |
| return_tensors="pt" | |
| ).to(device) | |
| # Generate với cấu hình tùy chỉnh | |
| outputs = model.generate( | |
| inputs.input_features, | |
| generation_config=model.generation_config | |
| ) | |
| # Giải mã kết quả | |
| text = processor.batch_decode(outputs, skip_special_tokens=True)[0] | |
| return text | |
| except Exception as e: | |
| return f"Lỗi khi xử lý audio: {str(e)}" | |
| # # Giao diện Gradio | |
| # with gr.Blocks() as demo: | |
| # gr.Markdown(""" | |
| # # Nhận dạng giọng nói tiếng Việt | |
| # Model: whisper-small-hre5.2 (đã fine-tune) | |
| # """) | |
| # with gr.Row(): | |
| # audio_input = gr.Audio( | |
| # sources=["upload", "microphone"], | |
| # type="filepath", | |
| # label="Tải lên hoặc ghi âm" | |
| # ) | |
| # output_text = gr.Textbox(label="Kết quả nhận dạng") | |
| # submit_btn = gr.Button("Bắt đầu nhận dạng") | |
| # submit_btn.click( | |
| # fn=transcribe, | |
| # inputs=audio_input, | |
| # outputs=output_text, | |
| # api_name="/predict" | |
| # ) | |
| # demo.launch(debug=True, show_error=True) | |
| # Giao diện Gradio cho phép ghi âm hoặc upload | |
| demo = gr.Interface( | |
| fn=transcribe, | |
| inputs=gr.Audio(sources=["upload", "microphone"], type="filepath", label="🎙️ Upload hoặc ghi âm (.mp3)"), | |
| outputs=gr.Textbox(label="📝 Kết quả chuyển văn bản"), | |
| title="Whisper HRE Demo", | |
| description="🔤 Nhận dạng tiếng H'Re bằng mô hình Whisper fine-tuned.", | |
| theme="soft", | |
| api_name="/predict" # <-- Đảm bảo endpoint cho gradio_client | |
| ) | |
| # Chạy app với hiển thị lỗi đầy đủ | |
| demo.launch(show_error=True) |