Spaces:
Runtime error
Runtime error
Leandro Artaza
commited on
Commit
•
c97ee64
1
Parent(s):
9b18094
Add main.py
Browse files
main.py
ADDED
@@ -0,0 +1,83 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
from fastapi import FastAPI, HTTPException
|
2 |
+
from pydantic import BaseModel
|
3 |
+
import numpy as np
|
4 |
+
import librosa
|
5 |
+
import re
|
6 |
+
from unidecode import unidecode
|
7 |
+
import base64
|
8 |
+
|
9 |
+
app = FastAPI()
|
10 |
+
|
11 |
+
class AudioBytesEncoded(BaseModel):
|
12 |
+
audio_bytes_encoded: str
|
13 |
+
|
14 |
+
def get_model():
|
15 |
+
import faster_whisper
|
16 |
+
return faster_whisper.WhisperModel('tiny')
|
17 |
+
|
18 |
+
model_faster = get_model()
|
19 |
+
|
20 |
+
def CorregirErrores(texto):
|
21 |
+
for key, value in {'dinea': 'linea', 'dino': 'linea', 'tos': 'dos', 'dra': 'tra', 'una': 'uno', 'tes': 'tres', '1': 'uno', '2': 'dos', '3': 'tres'}.items():
|
22 |
+
texto = texto.replace(key, value)
|
23 |
+
return texto
|
24 |
+
|
25 |
+
comando_base = ['linea', 'tra']
|
26 |
+
comando_num = ['uno', 'dos', 'tres']
|
27 |
+
|
28 |
+
pattern = '|'.join([re.escape(word) for word in comando_base + comando_num])
|
29 |
+
|
30 |
+
nombre_clases = ['linea_uno', 'linea_dos', 'linea_tres', 'tra_uno', 'tra_dos', 'tra_tres']
|
31 |
+
def predecir(audio):
|
32 |
+
resultado_final = None
|
33 |
+
|
34 |
+
completado = False
|
35 |
+
params1 = {'initial_prompt': 'Línea 1. Línea 2. Línea 3. Tra 1. Tra 2. Tra 3.',
|
36 |
+
'suppress_tokens': [],
|
37 |
+
'repetition_penalty': 2,
|
38 |
+
'no_speech_threshold': 0.1,
|
39 |
+
'log_prob_threshold': -0.1}
|
40 |
+
params2 = {'initial_prompt': [],
|
41 |
+
'suppress_tokens': [],
|
42 |
+
'repetition_penalty': 2,}
|
43 |
+
for params in (params1, params2):
|
44 |
+
for temp in [0, 1.0]:
|
45 |
+
resultado_original = model_faster.transcribe(audio, language='es', temperature=temp, **params)[0]
|
46 |
+
try:
|
47 |
+
resultado_original = next(resultado_original).text
|
48 |
+
except:
|
49 |
+
print('Falló la conversion.')
|
50 |
+
continue
|
51 |
+
print('Predicción:\t', resultado_original, end='\n')
|
52 |
+
resultado = unidecode(resultado_original.lower().strip())
|
53 |
+
|
54 |
+
resultado = CorregirErrores(resultado)
|
55 |
+
for resultado in resultado.split('.'):
|
56 |
+
matches = re.findall(pattern, resultado)
|
57 |
+
|
58 |
+
resultado_final = '_'.join(matches)
|
59 |
+
if resultado_final in nombre_clases:
|
60 |
+
completado = True
|
61 |
+
break
|
62 |
+
if completado:
|
63 |
+
break
|
64 |
+
if completado:
|
65 |
+
break
|
66 |
+
|
67 |
+
if resultado_final not in nombre_clases:
|
68 |
+
resultado = 'Comando no reconocido.'
|
69 |
+
return resultado
|
70 |
+
|
71 |
+
@app.post("/predict/")
|
72 |
+
async def predict(audio_bytes_encoded: AudioBytesEncoded):
|
73 |
+
try:
|
74 |
+
audio_bytes = base64.b64decode(audio_bytes_encoded.audio_bytes_encoded)
|
75 |
+
audio_np = np.frombuffer(audio_bytes, dtype=np.float32)
|
76 |
+
audio_np = librosa.util.normalize(audio_np)
|
77 |
+
|
78 |
+
prediction = predecir(audio_np)
|
79 |
+
return {"prediction": prediction}
|
80 |
+
except Exception as e:
|
81 |
+
print(f"An error occurred: {e}")
|
82 |
+
raise HTTPException(status_code=500, detail=str(e))
|
83 |
+
|