Upload 2 files

app.py

@@ -0,0 +1,68 @@
+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
+    )
+
+demo.launch(debug=True)

requirements.txt

@@ -0,0 +1,6 @@
+torch>=2.0.1
+transformers>=4.31.0
+gradio>=3.36.0
+librosa>=0.10.0
+numpy>=1.23.0
+soundfile>=0.12.1