Update app.py

app.py

@@ -1,33 +1,47 @@
-
+# 匯入必要的函式庫
 import os
+
+# 從OpenAI的GitHub儲存庫安裝Whisper函式庫
 os.system("pip install git+https://github.com/openai/whisper.git")
-import gradio as gr
-import whisper
 
+# 匯入用於建立使用者介面的Gradio函式庫
+import gradio as gr
 
+# 匯入Whisper函式庫
+import whisper
 
+# 載入名為"base"的預先訓練Whisper模型
 model = whisper.load_model("base")
 
-
-
+# 定義使用Whisper進行語言推斷的函數
 def inference(audio):
+    # 使用Whisper載入音訊檔案
     audio = whisper.load_audio(audio)
+
+    # 確保音訊已正確填充或修剪
     audio = whisper.pad_or_trim(audio)
 
+    # 從音訊中提取對數梅爾頻譜圖並將其發送到模型的設備
     mel = whisper.log_mel_spectrogram(audio).to(model.device)
 
+    # 使用Whisper模型檢測語言並獲取機率
     _, probs = model.detect_language(mel)
 
-    options = whisper.DecodingOptions(fp16 = False)
+    # 設定Whisper的解碼選項
+    options = whisper.DecodingOptions(fp16=False)
+
+    # 解碼梅爾頻譜圖以獲取推斷文本
     result = whisper.decode(model, mel, options)
 
+    # 返回推斷的文本
     return result.text
 
+# 使用音訊輸入和文本輸出創建Gradio介面
 iface = gr.Interface(
     fn=inference,
-    inputs=gr.Audio(type="filepath", label="格式可為 WAV、MP3、OGG、FLAC、AAC、M4A、WMA，單聲道、多聲道均可。"),
+    inputs=gr.Audio(type="filepath", label="支援格式：WAV、MP3、OGG、FLAC、AAC、M4A、WMA。支援單聲道和多聲道。"),
     outputs="text"
 )
 
-# 启动 Gradio 界面
+# 啟動Gradio介面
 iface.launch()