app.py

import gradio as gr
from transformers import pipeline
import numpy as np
import httpcore
from googletrans import Translator
import time

# Correctif pour httpcore
setattr(httpcore, 'SyncHTTPTransport', object)

# Initialisation du modèle de transcription
transcriber = pipeline("automatic-speech-recognition", model="jonatasgrosman/wav2vec2-large-xlsr-53-arabic")
#transcriber = pipeline("automatic-speech-recognition", model="tarteel-ai/whisper-base-ar-quran")
#transcriber = pipeline("automatic-speech-recognition", model="elgeish/wav2vec2-large-xlsr-53-arabic")




# Initialisation du traducteur
translator = Translator()

def transcribe_and_translate(audio):
    sr, y = audio
    y = y.astype(np.float32)
    y /= np.max(np.abs(y))

    # Transcription du texte
    transcription = transcriber({"sampling_rate": sr, "raw": y})["text"]
    time.sleep(2)
    # Traduction du texte transcrit
    translation = translator.translate(transcription, src='ar', dest='fr').text
    return transcription, translation

# Création de l'interface Gradio
demo = gr.Interface(
    fn=transcribe_and_translate,
    inputs=gr.Audio(sources=["microphone"], label="Enregistrement Audio"),
    outputs=[
        gr.Textbox(label="Texte en Arabe"),
        gr.Textbox(label="Traduction en Français")
    ],
    title="Transcription automatiques de l'Arabe et traduction en Français by PSW",
    description="Utilisez le microphone pour parler en arabe, puis appuyez sur le bouton stop et Submit pour voir la transcription et la traduction."
)

# Lancement de l'application Gradio
demo.launch(show_error=True, share=True)