Create app.py

app.py

@@ -0,0 +1,62 @@
+import streamlit as st
+import torch
+import tempfile
+import os
+from transformers import WhisperProcessor, WhisperForConditionalGeneration
+from peft import PeftModel
+
+# Configuration de l'interface Streamlit
+st.title("🔊 Transcription Audio avec Whisper Fine-tuné (LoRA)")
+st.write("Upload un fichier audio et laisse ton modèle fine-tuné faire le travail !")
+
+# 🔹 Charger le modèle Whisper Large et appliquer l’adaptateur LoRA
+@st.cache_resource  # Permet de ne charger qu'une seule fois le modèle
+def load_model():
+    base_model_name = "openai/whisper-large"  # Modèle de base
+    adapter_model_name = "SimpleFrog/whisper_finetuned"  # Adaptateur LoRA
+
+    # Charger le modèle de base
+    model = WhisperForConditionalGeneration.from_pretrained(base_model_name)
+
+    # Charger l'adaptateur LoRA et l'appliquer au modèle
+    model = PeftModel.from_pretrained(model, adapter_model_name)
+
+    # Charger le processeur audio
+    processor = WhisperProcessor.from_pretrained(base_model_name)
+
+    model.eval()  # Mode évaluation
+    return processor, model
+
+processor, model = load_model()
+
+# 🔹 Upload d'un fichier audio
+uploaded_file = st.file_uploader("Upload un fichier audio", type=["mp3", "wav", "m4a"])
+
+if uploaded_file is not None:
+    # Sauvegarder temporairement l'audio
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as temp_audio:
+        temp_audio.write(uploaded_file.read())
+        temp_audio_path = temp_audio.name
+
+    # Charger et traiter l'audio
+    st.write("📄 **Transcription en cours...**")
+    
+    # Charger l'audio
+    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("", transcription, height=200)
+
+    # Supprimer le fichier temporaire après l'affichage
+    os.remove(temp_audio_path)
+
+st.write("🔹 Modèle utilisé :", "Whisper Large + Adaptateur LoRA (SimpleFrog/whisper_finetuned)")