Update app.py

app.py

@@ -1,178 +1,27 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
-# from model import token
-# from app_Marcos import predict_audio_Roberto
-
-import os
-
-access_token = os.getenv('HF_ACCESS_TOKEN')
-client = InferenceClient("meta-llama/Meta-Llama-3-8B-Instruct", token=access_token)
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-    ):
-    messages = [{"role": "system", "content": system_message}]
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-    messages.append({"role": "user", "content": message})
-    response = ""
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-        ):
-        token = message.choices[0].delta.content
-        response += token
-        yield response
-
-my_theme = gr.themes.Soft(
-    primary_hue="emerald",
-    secondary_hue="green",
-    neutral_hue="slate",
-    text_size="sm",
-    spacing_size="sm",
-    font=[gr.themes.GoogleFont('Nunito'), 'ui-sans-serif', 'system-ui', 'sans-serif'],
-    font_mono=[gr.themes.GoogleFont('Nunito'), 'ui-monospace', 'Consolas', 'monospace'],
-    ).set(
-    body_background_fill='*neutral_50',
-    body_text_color='*neutral_600',
-    body_text_size='*text_sm',
-    embed_radius='*radius_md',
-    shadow_drop='*shadow_spread',
-    shadow_spread='*button_shadow_active'
-    )
-
-def mostrar_pagina_1():
-    return gr.update(visible=False), gr.update(visible=True)
-
-def mostrar_pagina_2():
-    return gr.update(visible=False), gr.update(visible=True)
-
-def redirigir_a_pantalla_inicial():
-    return gr.update(visible=True), gr.update(visible=False)
-
-with gr.Blocks(theme=my_theme) as demo:
-    with gr.Column(visible=True, elem_id="pantalla-inicial") as pantalla_inicial:
-        gr.HTML(
-            """
-            <style>
-            @import url('https://fonts.googleapis.com/css2?family=Lobster&display=swap');
-            @import url('https://fonts.googleapis.com/css2?family=Roboto&display=swap');
-            
-            h1 {
-                font-family: 'Lobster', cursive;
-                font-size: 5em !important;
-                text-align: center;
-                margin: 0;
-            }
-            
-            .gr-button {
-                background-color: #4CAF50 !important; 
-                color: white !important; 
-                border: none;
-                padding: 15px 32px;
-                text-align: center;
-                text-decoration: none;
-                display: inline-block;
-                font-size: 16px;
-                margin: 4px 2px;
-                cursor: pointer;
-                border-radius: 12px;
-            }
-            
-            .gr-button:hover {
-                background-color: #45a049; 
-            }
-            h2 {
-                font-family: 'Lobster', cursive;
-                font-size: 3em !important;
-                text-align: center;
-                margin: 0;
-            }
-            p.slogan, h4, p, h3 {
-                font-family: 'Roboto', sans-serif;
-                text-align: center;
-            }
-            </style>
-            <h1>Iremia</h1>
-            <h4 style='text-align: center; font-size: 1.5em'>Tu aliado para el bienestar de tu bebé</h4>
-            """
-        )
-        gr.Markdown(
-            "<h4 style='text-align: left; font-size: 1.5em;'>¿Qué es Iremia?</h4>"
-        )
-        gr.Markdown(
-            "<p style='text-align: left'>Iremia es un proyecto llevado a cabo por un grupo de estudiantes interesados en el desarrollo de modelos de inteligencia artificial, enfocados específicamente en casos de uso relevantes para ayudar a cuidar a los más pequeños de la casa.</p>"
-        )
-        gr.Markdown(
-            "<h4 style='text-align: left; font-size: 1.5em;'>Nuestra misión</h4>"
-        )
-        gr.Markdown(
-            "<p style='text-align: left'>Sabemos que la paternidad puede suponer un gran desafío. Nuestra misión es brindarles a todos los padres unas herramientas de última tecnología que los ayuden a navegar esos primeros meses de vida tan cruciales en el desarrollo de sus pequeños.</p>"
-        )
-        gr.Markdown(
-            "<h4 style='text-align: left; font-size: 1.5em;'>¿Qué ofrece Iremia?</h4>"
-        )
-        gr.Markdown(
-            "<p style='text-align: left'>Iremia ofrece dos funcionalidades muy interesantes:</p>"
-        )
-        gr.Markdown(
-            "<p style='text-align: left'>Predictor: Con nuestro modelo de inteligencia artificial, somos capaces de predecir por qué tu hijo de menos de 2 años está llorando. Además, tendrás acceso a un asistente personal para consultar cualquier duda que tengas sobre el cuidado de tu pequeño.</p>"
-        )
-        gr.Markdown(
-            "<p style='text-align: left'>Monitor: Nuestro monitor no es como otros que hay en el mercado, ya que es capaz de reconocer si un sonido es un llanto del bebé o no, y si está llorando, predice automáticamente la causa, lo cual te brindará la tranquilidad de saber siempre qué pasa con tu pequeño y te ahorrará tiempo y muchas horas de sueño.</p>"
-        )
-        with gr.Row():
-            with gr.Column():
-                gr.Markdown("<h2>Predictor</h2>")
-                boton_pagina_1 = gr.Button("Prueba el predictor")
-                gr.Markdown("<p>Descubre por qué llora tu bebé y resuelve dudas sobre su cuidado con nuestro Iremia assistant</p>")
-            with gr.Column():
-                gr.Markdown("<h2>Monitor</h2>")
-                boton_pagina_2 = gr.Button("Prueba el monitor")
-                gr.Markdown("<p>Un monitor inteligente que detecta si tu hijo está llorando y te indica el motivo antes de que puedas levantarte del sofá</p>")
-    with gr.Column(visible=False) as pagina_1:
-        with gr.Row():
-            with gr.Column():
-                gr.Markdown("<h2>Predictor</h2>")
-                audio_input = gr.Audio(type="numpy", label="Baby recorder")
-                classify_btn = gr.Button("¿Por qué llora?")
-                classification_output = gr.Textbox(label="Tu bebé llora por:")
-                # classify_btn.click(predict_audio_Roberto, inputs=audio_input, outputs=classification_output)
-                audio_input.change(fn=lambda _: "", inputs=audio_input, outputs=classification_output)
-            with gr.Column():
-                gr.Markdown("<h2>Assistant</h2>")
-                system_message = "You are a Chatbot specialized in baby health and care."
-                max_tokens = 512
-                temperature = 0.7
-                top_p = 0.95
-                chatbot = gr.ChatInterface(
-                    respond,
-                    additional_inputs=[
-                        gr.State(value=system_message),
-                        gr.State(value=max_tokens),
-                        gr.State(value=temperature),
-                        gr.State(value=top_p)
-                    ],
-                )
-                gr.Markdown("Este chatbot no sustituye a un profesional de la salud. Ante cualquier preocupación o duda, consulta con tu pediatra.")
-                boton_volver_inicio_1 = gr.Button("Volver a la pantalla inicial")
-        boton_volver_inicio_1.click(redirigir_a_pantalla_inicial, inputs=None, outputs=[pantalla_inicial, pagina_1])
-    with gr.Column(visible=False) as pagina_2:
-        gr.Markdown("<h2>Monitor</h2>")
-        gr.Markdown("Contenido de la Página 2")
-        boton_volver_inicio_2 = gr.Button("Volver a la pantalla inicial")
-        boton_volver_inicio_2.click(redirigir_a_pantalla_inicial, inputs=None, outputs=[pantalla_inicial, pagina_2])
-    boton_pagina_1.click(mostrar_pagina_1, inputs=None, outputs=[pantalla_inicial, pagina_1])
-    boton_pagina_2.click(mostrar_pagina_2, inputs=None, outputs=[pantalla_inicial, pagina_2])
-demo.launch()
+from transformers import pipeline
+import numpy as np
+from model import SAMPLING_RATE, clasificador, monitor
+# modelo = monitor
+modelo = clasificador
+pipe = pipeline("audio-classification", model=f"A-POR-LOS-8000/distilhubert-finetuned-cry-detector", device="cuda")
+
+def transcribe(audio):
+    _, y = audio
+    y = y.astype(np.float32) # con torch.float32 da error
+    y /= np.max(np.abs(y))
+    results = pipe({"sampling_rate": SAMPLING_RATE, "raw": y})
+    top_result = results[0]  # Get the top result (most likely classification)
+    label = top_result["label"]  # Extract the label from the top result
+    return label
+
+demo = gr.Interface(
+    transcribe,
+    gr.Audio(
+        min_length=1.0,
+        max_length=10.0,
+        format="wav",
+        ),
+    "text",
+)
+demo.launch()