app.py

import streamlit as st
import whisper
import tempfile
import os

# 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 !")

# Charger le modèle Whisper Large
@st.cache_resource
def load_model():
    return whisper.load_model("large")

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

    # Transcrire l'audio
    st.write("📄 **Transcription en cours...**")
    result = model.transcribe(temp_audio_path, language="fr")
    
    # Afficher le texte transcrit
    st.subheader("📝 Transcription :")
    st.text_area("", result["text"], height=200)

    # Supprimer le fichier temporaire après l'affichage
    os.remove(temp_audio_path)