app.py

import spaces
import torch

import gradio as gr
from transformers import pipeline

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,
)


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

    text = pipe(inputs, batch_size=BATCH_SIZE, generate_kwargs={"task": task}, return_timestamps=True)["text"]
    return text


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

mf_transcribe = gr.Interface(css=css,
    fn=transcribe,
    inputs=[
        gr.Audio(sources="microphone", type="filepath"),
        gr.Radio(["transcribe", "translate"], label="작업", value="transcribe"),
    ],
    outputs="text",
    title="Whisper Large V3 Turbo: 음성을 텍스트로 변환",
    flagging_mode="never",  # 더 이상 사용되지 않는 allow_flagging을 flagging_mode로 변경
)

file_transcribe = gr.Interface(
    fn=transcribe,
    inputs=[
        gr.Audio(sources="upload", type="filepath", label="오디오 파일"),
        gr.Radio(["transcribe", "translate"], label="작업", value="transcribe"),
    ],
    outputs="text",
    title="Whisper Large V3 Turbo: 음성을 텍스트로 변환",
    flagging_mode="never",  # 더 이상 사용되지 않는 allow_flagging을 flagging_mode로 변경
)

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

with demo:
    gr.TabbedInterface([mf_transcribe, file_transcribe], ["마이크", "오디오 파일"])

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