app.py

import os
import io
import gradio as gr
import requests
import subprocess

# Obtener la API Key de Hugging Face desde las variables de entorno
API_KEY = os.getenv("HUGGINGFACE_API_KEY")

# Verificar si la API Key está configurada
if not API_KEY:
    raise ValueError("La API Key de Hugging Face no está configurada. Configúrala en la variable de entorno HUGGINGFACE_API_KEY.")

# URL del modelo de transcripción en Hugging Face
HF_MODEL = "facebook/wav2vec2-large-xlsr-53-spanish"  # Cambiar si se usa otro modelo
API_URL = f"https://api-inference.huggingface.co/models/{HF_MODEL}"

# Headers para la solicitud
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

def convert_to_wav(input_file):
    """Convierte archivos de audio a formato WAV LINEAR16 si es necesario."""
    output_file = input_file + ".wav"
    command = [
        "ffmpeg", "-y", "-i", input_file,
        "-acodec", "pcm_s16le", "-ar", "16000", "-ac", "1", output_file
    ]
    subprocess.run(command, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
    return output_file

def transcribe(audio_file=None):
    """Transcribe audio a texto usando Hugging Face."""
    if audio_file is None:
        return "No se ha seleccionado ningún archivo.", ""

    # Convertir a WAV si es necesario
    if not audio_file.endswith(".wav"):
        audio_file = convert_to_wav(audio_file)

    # Cargar el archivo de audio
    with open(audio_file, "rb") as file:
        audio_bytes = file.read()

    # Enviar el audio a la API de Hugging Face
    response = requests.post(API_URL, headers=HEADERS, data=audio_bytes)
    
    # Manejo de errores
    if response.status_code != 200:
        return "Error en la transcripción", f"Código: {response.status_code}, Detalles: {response.text}"
    
    # Extraer la transcripción
    result = response.json()
    transcript = result.get("text", "No se pudo obtener la transcripción.")

    return transcript, "Confianza no disponible en esta API"

# Configuración de la interfaz Gradio
output1 = gr.Textbox(label='Transcripción')
output2 = gr.Textbox(label='Confianza')

demo = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(sources=["microphone", "upload"], type="filepath", label="Subir o grabar audio"),
    outputs=[output1, output2],
    title='Demo Speech-to-Text con Hugging Face',
    description='<p>Grabar o subir un archivo de audio para convertir voz a texto usando Hugging Face.</p>'
)

demo.launch()