Update app.py

app.py

@@ -1,20 +1,25 @@
 import streamlit as st
-import whisper
+import torch
 import tempfile
 import os
+from transformers import WhisperProcessor, WhisperForConditionalGeneration
+from datasets import load_dataset
 
-# Configurer l'interface Streamlit
-st.title("🔊 Transcription Audio avec Whisper Large Fine tuné V1")
-st.write("Upload un fichier audio et laisse Whisper Large faire le travail !")
+# Configuration de l'interface Streamlit
+st.title("🔊 Transcription Audio avec Whisper Fine-tuné")
+st.write("Upload un fichier audio et laisse ton modèle fine-tuné faire le travail !")
 
-# Charger le modèle Whisper Large
-@st.cache_resource
+# 🔹 Charger le modèle fine-tuné et le processeur
 def load_model():
-    return whisper.load_model("large")
+    model_name = "SimpleFrog/whisper_finetuned"  # Remplace par ton nom de repo sur Hugging Face
+    processor = WhisperProcessor.from_pretrained(model_name)
+    model = WhisperForConditionalGeneration.from_pretrained(model_name)
+    model.eval()  # Mode évaluation
+    return processor, model
 
-model = load_model()
+processor, model = load_model()
 
-# Upload d'un fichier audio
+# 🔹 Upload d'un fichier audio
 uploaded_file = st.file_uploader("Upload un fichier audio", type=["mp3", "wav", "m4a"])
 
 if uploaded_file is not None:
@@ -23,13 +28,25 @@ if uploaded_file is not None:
         temp_audio.write(uploaded_file.read())
         temp_audio_path = temp_audio.name
 
-    # Transcrire l'audio
+    # Charger et traiter l'audio
     st.write("📄 **Transcription en cours...**")
-    result = model.transcribe(temp_audio_path, language="fr")
     
-    # Afficher le texte transcrit
+    audio_input = processor(temp_audio_path, return_tensors="pt", sampling_rate=16000)
+    input_features = audio_input.input_features
+    
+    # Générer la transcription
+    with torch.no_grad():
+        predicted_ids = model.generate(input_features)
+    
+    # Décoder la sortie
+    transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
+    
+    # Afficher la transcription
     st.subheader("📝 Transcription :")
-    st.text_area("", result["text"], height=200)
+    st.text_area("", transcription, height=200)
 
     # Supprimer le fichier temporaire après l'affichage
     os.remove(temp_audio_path)
+
+st.write("🔹 Modèle fine-tuné utilisé :", "SimpleFrog/whisper_finetuned")
+