app.py

import spaces
import torch

import gradio as gr
from transformers import pipeline
from huggingface_hub import InferenceClient
import tempfile
import os

MODEL_NAME = "openai/whisper-large-v3-turbo"
BATCH_SIZE = 8
FILE_LIMIT_MB = 1000

device = 0 if torch.cuda.is_available() else "cpu"

pipe = pipeline(
    task="automatic-speech-recognition",
    model=MODEL_NAME,
    chunk_length_s=30,
    device=device,
)

# Hugging Face InferenceClient 사용
hf_client = InferenceClient("CohereForAI/c4ai-command-r-plus-08-2024", token=os.getenv("HF_TOKEN"))

@spaces.GPU
def transcribe_summarize_and_blog(inputs, task):
    if inputs is None:
        raise gr.Error("오디오 파일이 제출되지 않았습니다! 요청을 제출하기 전에 오디오 파일을 업로드하거나 녹음해 주세요.")

    # 음성을 텍스트로 변환
    text = pipe(inputs, batch_size=BATCH_SIZE, generate_kwargs={"task": task}, return_timestamps=True)["text"]
    
    # 변환된 텍스트 요약 요청
    try:
        summary = hf_client.summarization(text)
        summary_text = summary["summary_text"] if summary and "summary_text" in summary else "요약할 수 없습니다."
    except Exception as e:
        summary_text = f"요약 중 오류가 발생했습니다: {e}"
    
    # 블로그 포스팅 생성 요청
    try:
        blog_post = hf_client.text_generation(
            prompt=f"다음 내용을 기반으로 블로그 포스팅을 작성해 주세요:\n{text}",
            temperature=0.7
        )
        blog_post_text = blog_post if isinstance(blog_post, str) else "블로그 포스팅을 생성할 수 없습니다."
    except Exception as e:
        blog_post_text = f"블로그 글 생성 중 오류가 발생했습니다: {e}"
    
    return {
        "transcribed_text": text, 
        "summary": summary_text,
        "blog_post": blog_post_text
    }



 
css = """
footer {
    visibility: hidden;
}
"""

file_transcribe = gr.Interface(
    fn=transcribe_summarize_and_blog,
    inputs=[
        gr.Audio(sources="upload", type="filepath", label="오디오 파일"),
        gr.Radio(["transcribe", "translate"], label="작업", value="transcribe"),
    ],
    outputs=["text", "text", "text"],  # 변환된 텍스트, 요약, 블로그 글 출력
    title="받아쓰기 AI: 음성을 텍스트 변환, 요약 및 블로그 포스팅 자동 생성",
    flagging_mode="never",
)

mf_transcribe = gr.Interface(css=css,
    fn=transcribe_summarize_and_blog,
    inputs=[
        gr.Audio(sources="microphone", type="filepath"),
        gr.Radio(["transcribe", "translate"], label="작업", value="transcribe"),
    ],
    outputs=["text", "text", "text"],  # 변환된 텍스트, 요약, 블로그 글 출력
    title="받아쓰기 AI: 음성을 텍스트 변환, 요약 및 블로그 포스팅 자동 생성",
    flagging_mode="never",
)

# demo 변수를 Gradio Blocks 컨테이너로 정의
demo = gr.Blocks(theme="Nymbo/Nymbo_Theme")

# 탭 순서를 "오디오 파일"이 먼저, "마이크"가 뒤에 오도록 설정
with demo:
    gr.TabbedInterface([file_transcribe, mf_transcribe], ["오디오 파일", "마이크"])

demo.queue().launch(ssr_mode=False)