Update app.py

app.py

@@ -15,6 +15,7 @@ import torch
 import librosa
 import numpy as np
 import evaluate
+import tempfile
 
 st.title("📊 Évaluation WER d'un modèle Whisper")
 st.markdown("Ce Space permet d'évaluer la performance WER d'un modèle Whisper sur un dataset audio.")
@@ -101,20 +102,26 @@ if start_eval:
 
     # 🔹 Générer le tableau de résultats
     df = pd.DataFrame(results)
-    df.to_csv("wer_results.csv", index=False)
-
-    mean_wer = df[df["WER"] != "-"]["WER"].mean()
-    st.markdown(f"### 🎯 WER moyen (sans ponctuation) : `{mean_wer:.3f}`")
-
-    # Bloc placeholder pour post-processing à venir
-    if "Post-processing" in model_option:
-        st.info("🛠️ Le post-processing sera ajouté prochainement ici...")
-
-if os.path.exists("wer_results.csv"):
-    with open("wer_results.csv", "rb") as f:
-        st.download_button(
-            label="📥 Télécharger les résultats WER (.csv)",
-            data=f,
-            file_name="wer_results.csv",
-            mime="text/csv"
-        )
+
+    # 🔹 Créer un fichier temporaire pour le CSV
+    with tempfile.NamedTemporaryFile(mode="w+", delete=False, suffix=".csv") as tmp_csv:
+        df.to_csv(tmp_csv.name, index=False)
+
+        mean_wer = df[df["WER"] != "-"]["WER"].mean()
+        st.markdown(f"### 🎯 WER moyen (sans ponctuation) : `{mean_wer:.3f}`")
+
+        # Bloc placeholder pour post-processing à venir
+        if "Post-processing" in model_option:
+            st.info("🛠️ Le post-processing sera ajouté prochainement ici...")
+
+
+        # 🔹 Bouton de téléchargement
+        with open(tmp_csv.name, "rb") as f:
+            st.download_button(
+                label="📥 Télécharger les résultats WER (.csv)",
+                data=f,
+                file_name="wer_results.csv",
+                mime="text/csv"
+            )
+
+