Update app.py

app.py

@@ -1,16 +1,17 @@
 import gradio as gr
 from transformers import pipeline, AutoTokenizer
 import torch
+import time
 
 # Verificando se a GPU está disponível
 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
 
-# Carregando o modelo Whisper avançado para transcrição de áudio
+# Carregando o modelo Whisper pequeno para transcrição de áudio
 transcriber = pipeline(
     task="automatic-speech-recognition",
-    model="openai/whisper-medium",
+    model="openai/whisper-medium",  # Modelo menor para maior velocidade
     device=device,
-    chunk_length_s=20,
+    chunk_length_s=30,  # Ajuste conforme necessário
     stride_length_s=5,
     generate_kwargs={"language": "Portuguese", "task": "transcribe"}
 )
@@ -30,34 +31,49 @@ classifier = pipeline(
 )
 
 def transcribe_and_analyze(audio_file):
-    progress = gr.Progress(track_tqdm=True)
-    progress(0, desc="Iniciando transcrição...")
-
-    # Transcrevendo o áudio
-    transcription_result = transcriber(audio_file)
-    transcription = transcription_result["text"]
-    progress(50, desc="Transcrição concluída. Analisando emoções...")
+    import numpy as np
 
+    # Dividindo o áudio em chunks
+    total_duration = transcriber.feature_extractor.sampling_rate * 30  # 30 segundos
+    audio_input, _ = transcriber.feature_extractor(audio_file, return_tensors="pt").values()
+    audio_length = audio_input.shape[1]
+    num_chunks = int(np.ceil(audio_length / total_duration))
+    
+    transcription = ""
+    
+    for i in range(num_chunks):
+        start_time = i * total_duration
+        end_time = min((i + 1) * total_duration, audio_length)
+        chunk = audio_input[:, int(start_time):int(end_time)]
+        
+        # Transcrevendo o chunk
+        chunk_transcription = transcriber(chunk, generate_kwargs={"language": "Portuguese", "task": "transcribe"})["text"]
+        transcription += chunk_transcription + " "
+        
+        # Atualizando a barra de progresso
+        progress = int((i + 1) / num_chunks * 100)
+        yield f"Transcrevendo... {progress}% concluído", ""
+    
+    # Após a transcrição completa, analisar as emoções
+    yield "Análise de emoções em andamento...", ""
+    
     # Lista de emoções para a classificação
     emotions = ["alegria", "tristeza", "raiva", "nojo", "medo", "ansiedade", "vergonha", "tédio", "inveja"]
-
-    # Realizando a classificação zero-shot
+    
+    # Realizando a classificação zero-shot na transcrição
     classification = classifier(transcription, emotions, multi_label=True)
-
+    
     # Formatando os resultados
     results = []
     for label, score in zip(classification["labels"], classification["scores"]):
         results.append(f"{label.capitalize()}: {score:.2f}")
-
+    
     # Ordenando os resultados por score decrescente
     results.sort(key=lambda x: float(x.split(": ")[1]), reverse=True)
-
-    # Unindo os resultados em uma string
+    
     emotion_output = "\n".join(results)
-
-    progress(100, desc="Processamento concluído.")
-
-    return transcription, emotion_output
+    
+    yield transcription, emotion_output
 
 # Criando a interface Gradio com barra de progresso
 interface = gr.Interface(
@@ -68,7 +84,7 @@ interface = gr.Interface(
         gr.Textbox(label="Emoções Detectadas")
     ],
     title="Voxsense 🗣️❣️",
-    description="Envie um arquivo de áudio de até 1 hora para transcrição e análise de emoções.",
+    description="Envie um arquivo de áudio para transcrição e análise de emoções.",
     theme="default"
 )