Update app.py

app.py

@@ -1,18 +1,16 @@
 import gradio as gr
 from transformers import pipeline, AutoTokenizer
 import torch
-import time
+from transformers.pipelines.audio_utils import ffmpeg_read
 
 # Verificando se a GPU está disponível
 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
 
-# Carregando o modelo Whisper pequeno para transcrição de áudio
+# Carregando o modelo Whisper para transcrição de áudio
 transcriber = pipeline(
     task="automatic-speech-recognition",
-    model="openai/whisper-medium",  # Modelo menor para maior velocidade
+    model="openai/whisper-medium",  # Você pode alterar para 'openai/whisper-small' para maior velocidade
     device=device,
-    chunk_length_s=30,  # Ajuste conforme necessário
-    stride_length_s=5,
     generate_kwargs={"language": "Portuguese", "task": "transcribe"}
 )
 
@@ -31,48 +29,35 @@ classifier = pipeline(
 )
 
 def transcribe_and_analyze(audio_file):
-    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...", ""
-    
+    progress = gr.Progress(track_tqdm=True)
+    progress(0, desc="Iniciando transcrição...")
+
+    # Lendo o arquivo de áudio
+    audio_data = ffmpeg_read(audio_file, sampling_rate=16000)
+
+    # Transcrevendo o áudio
+    transcription_result = transcriber(audio_data, sampling_rate=16000)
+    transcription = transcription_result["text"]
+    progress(50, desc="Transcrição concluída. Analisando emoções...")
+
     # Lista de emoções para a classificação
     emotions = ["alegria", "tristeza", "raiva", "nojo", "medo", "ansiedade", "vergonha", "tédio", "inveja"]
-    
+
     # 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)
-    
+
     emotion_output = "\n".join(results)
-    
+
+    progress(100, desc="Processamento concluído.")
+
     yield transcription, emotion_output
 
 # Criando a interface Gradio com barra de progresso