Update app.py

app.py

@@ -1,79 +1,70 @@
 import os
 import io
 import gradio as gr
+import requests
 import subprocess
-from google.cloud import speech
-from google.api_core.client_options import ClientOptions
 
-# Obtener la API Key desde las variables de entorno
-API_KEY = os.getenv("GOOGLE_API_KEY")
+# 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 Google no está configurada. Configúrala en la variable de entorno GOOGLE_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", "44100", "-ac", "1", output_file
+        "-acodec", "pcm_s16le", "-ar", "16000", "-ac", "1", output_file
     ]
     subprocess.run(command, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
     return output_file
 
-def transcribe(file_path):
-    """Transcribe audio a texto usando Google Cloud Speech-to-Text con API Key."""
-    if file_path is None:
-        return '', ''
-    
-    # Convertir a formato WAV si es necesario
-    if not file_path.endswith(".wav"):
-        file_path = convert_to_wav(file_path)
+def transcribe(audio_file=None):
+    """Transcribe audio a texto usando Hugging Face."""
+    if audio_file is None:
+        return "No se ha seleccionado ningún archivo.", ""
 
-    # Configurar el cliente de Speech-to-Text con API Key
-    client_options = ClientOptions(api_key=API_KEY)
-    client = speech.SpeechClient(client_options=client_options)
+    # Convertir a WAV si es necesario
+    if not audio_file.endswith(".wav"):
+        audio_file = convert_to_wav(audio_file)
 
-    # Configuración de la solicitud
-    config = speech.RecognitionConfig(
-        encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
-        sample_rate_hertz=44100,
-        audio_channel_count=1,
-        language_code="es-AR",
-    )
+    # Cargar el archivo de audio
+    with open(audio_file, "rb") as file:
+        audio_bytes = file.read()
 
-    # Cargar el audio en binario
-    with io.open(file_path, "rb") as audio_file:
-        content = audio_file.read()
-        audio = speech.RecognitionAudio(content=content)
+    # Enviar el audio a la API de Hugging Face
+    response = requests.post(API_URL, headers=HEADERS, data=audio_bytes)
     
-    # Realiza la transcripción
-    response = client.recognize(config=config, audio=audio)
+    # Manejo de errores
+    if response.status_code != 200:
+        return "Error en la transcripción", f"Código: {response.status_code}, Detalles: {response.text}"
     
-    transcript = []
-    confidence = []
-    
-    # Lee la respuesta de la API
-    for result in response.results:
-        confidence.append(str(result.alternatives[0].confidence))
-        transcript.append(result.alternatives[0].transcript)
+    # Extraer la transcripción
+    result = response.json()
+    transcript = result.get("text", "No se pudo obtener la transcripción.")
 
-    return ' '.join(transcript), '\n'.join(confidence)
+    return transcript, "Confianza no disponible en esta API"
 
-# Configuración de la interfaz Gradio con opciones de grabación y subida de archivos
+# Configuración de la interfaz Gradio
 output1 = gr.Textbox(label='Transcripción')
 output2 = gr.Textbox(label='Confianza')
 
 demo = gr.Interface(
-    transcribe,
-    [
-        gr.Audio(sources=["microphone"], type="filepath", label='Grabar audio aquí', streaming=False),
-        gr.File(label="Subir archivo de audio")
-    ],
-    [output1, output2],
-    title='Demo Reconocimiento de Voz con Google',
-    description='<p>Grabar o subir un archivo de audio para convertir voz a texto usando Google Cloud Speech-to-Text.</p>'
+    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()
+