Create app.py

app.py

@@ -0,0 +1,45 @@
+import gradio as gr
+from transformers import pipeline
+
+# Load mô hình nhận diện giọng nói (ASR)
+asr = pipeline("automatic-speech-recognition", model="openai/whisper-base")
+
+# Load mô hình ngôn ngữ (tùy chọn)
+llm = pipeline("text-generation", model="mrm8488/t5-base-finetuned-question-generation-ap", max_new_tokens=100)
+
+# Xử lý âm thanh: Nhận dạng giọng nói
+def transcribe(audio_file):
+    if audio_file is None:
+        return "Không có file âm thanh."
+    result = asr(audio_file)
+    text = result["text"]
+    return text
+
+# Gửi văn bản vào LLM (nếu muốn)
+def ask_llm(text):
+    if not text:
+        return "Chưa có văn bản đầu vào"
+    response = llm(text)
+    return response[0]["generated_text"]
+
+# Gradio UI
+with gr.Blocks() as demo:
+    gr.Markdown("# Voice Assistant Demo")
+    gr.Markdown("### Gửi file âm thanh để nhận diện giọng nói bằng Whisper")
+
+    with gr.Row():
+        audio_input = gr.Audio(label="Chọn file âm thanh", type="filepath")
+        btn_transcribe = gr.Button("Nhận diện giọng nói")
+    
+    transcript_output = gr.Textbox(label="Kết quả nhận diện")
+
+    btn_transcribe.click(fn=transcribe, inputs=audio_input, outputs=transcript_output)
+
+    gr.Markdown("### Gửi văn bản vào mô hình LLM")
+    llm_input = gr.Textbox(label="Văn bản đầu vào")
+    btn_llm = gr.Button("Gửi vào LLM")
+    llm_output = gr.Textbox(label="Kết quả LLM")
+
+    btn_llm.click(fn=ask_llm, inputs=llm_input, outputs=llm_output)
+
+demo.launch()