Update app.py

app.py

@@ -12,9 +12,9 @@ device = "cuda:0" if torch.cuda.is_available() else "cpu"
 asr_pipe = pipeline("automatic-speech-recognition", model="openai/whisper-base", device=device)
 
 # load text-to-speech checkpoint and speaker embeddings
-processor = SpeechT5Processor.from_pretrained("microsoft/speecht5_tts")
+processor = SpeechT5Processor.from_pretrained("jjsprockel/speecht5_finetuned_voxpopuli_it")
 
-model = SpeechT5ForTextToSpeech.from_pretrained("microsoft/speecht5_tts").to(device)
+model = SpeechT5ForTextToSpeech.from_pretrained("jjsprockel/speecht5_finetuned_voxpopuli_it").to(device)
 vocoder = SpeechT5HifiGan.from_pretrained("microsoft/speecht5_hifigan").to(device)
 
 embeddings_dataset = load_dataset("Matthijs/cmu-arctic-xvectors", split="validation")
@@ -22,7 +22,7 @@ speaker_embeddings = torch.tensor(embeddings_dataset[7306]["xvector"]).unsqueeze
 
 
 def translate(audio):
-    outputs = asr_pipe(audio, max_new_tokens=256, generate_kwargs={"task": "translate"})
+    outputs = asr_pipe(audio, max_new_tokens=256, generate_kwargs={"task": "translate", "language": "it"})
     return outputs["text"]
 
 
@@ -41,8 +41,8 @@ def speech_to_speech_translation(audio):
 
 title = "Cascaded STST"
 description = """
-Demostración de un traductor de voz a voz en cascada (cascaded speech-to-speech translation o STST), funciona mapeando de una fuente de voz en cualquier lenguaje a una meta de texto en Inglés. Se usa el modelo de OpenAI [Whisper Base](https://huggingface.co/openai/whisper-base) para la traducción, y el modelo de Microsoft
-[SpeechT5 TTS](https://huggingface.co/microsoft/speecht5_tts) para pasar de texto-a-voz:
+Demostración de un traductor de voz a voz en cascada (cascaded speech-to-speech translation o STST), funciona mapeando de una fuente de voz en cualquier lenguaje a una meta de texto en Italiano. Se usa el modelo de OpenAI [Whisper Base](https://huggingface.co/openai/whisper-base) para la traducción, y el modelo de Microsoft
+[SpeechT5 TTS](https://huggingface.co/microsoft/speecht5_tts) sometido a un ajuse fino para pasar de texto-a-voz:
 
 ![Cascaded STST](https://huggingface.co/datasets/huggingface-course/audio-course-images/resolve/main/s2st_cascaded.png "Diagrama de la traducción de voz a voz en cascada")
 """