app.py

import spaces
import gradio as gr
from transformers import pipeline

# Initialize model and move to GPU
model = pipeline(
    "automatic-speech-recognition",
    model="Aekanun/whisper-small-hi",
    device="cuda"  # เปลี่ยนเป็น cuda เลย
)

@spaces.GPU  # GPU function with default 60s duration
def transcribe_speech(audio):
    """Speech transcription function"""
    try:
        if audio is None:
            return "กรุณาบันทึกเสียงก่อน"
            
        # Process audio (model is already on GPU)
        result = model(audio, batch_size=1)
        
        # Get text result
        text = result["text"] if isinstance(result, dict) else result
        
        return text
        
    except Exception as e:
        return f"เกิดข้อผิดพลาด: {str(e)}"

# Create Gradio interface
demo = gr.Interface(
    fn=transcribe_speech,
    inputs=gr.Audio(type="filepath"),
    outputs=gr.Textbox(label="ข้อความ"),
    title="Thai Speech Transcription",
    description="บันทึกเสียงเพื่อแปลงเป็นข้อความภาษาไทย",
)

if __name__ == "__main__":
    demo.queue().launch(server_name="0.0.0.0")