Upload app.py

app.py

@@ -0,0 +1,49 @@
+import gradio as gr
+from transformers import pipeline
+
+# Definimos el modelo
+trans = pipeline(
+    "automatic-speech-recognition", model="facebook/wav2vec2-large-xlsr-53-spanish"
+)
+clasificador = pipeline(
+    "text-classification", model="pysentimiento/robertuito-sentiment-analysis"
+)
+
+
+def audio_a_texto(audio):
+    texto = trans(audio)["text"]
+    return texto
+
+
+def texto_a_sentimiento(texto):
+    sentimiento = clasificador(texto)[0]["label"]
+    return sentimiento
+
+
+demo = gr.Blocks()
+
+with demo:
+    gr.Markdown("Transcripción de audio y clasificación de sentimiento")  # Título
+    with gr.Tabs():  # Tabs para dividir la interfaz según la tarea
+        with gr.TabItem(
+            "Transcripción de audio en Español"
+        ):  # Tab para transcribir audio
+            with gr.Row():  # Row para mostrar el input y output en la misma línea
+                audio = gr.Audio(source="microphone", type="filepath")
+                transcription = gr.Textbox()  # Textbox para mostrar la transcripción
+            b1 = gr.Button("Transcribir")  # Botón para transcribir el audio
+        with gr.TabItem(
+            "Análisis de sentimiento en Español"
+        ):  # Tab para clasificar sentimiento
+            with gr.Row():  # Row para mostrar el input y output en la misma línea
+                texto = gr.Textbox()  # Textbox para mostrar el texto
+                sentiment = gr.Label()  # Label para mostrar el sentimiento
+            b2 = gr.Button("Clasificar")  # Botón para clasificar el sentimiento
+        b1.click(
+            audio_a_texto, inputs=audio, outputs=transcription
+        )  # Al hacer click, se ejecuta la función audio_a_texto
+        b2.click(
+            texto_a_sentimiento, inputs=texto, outputs=sentiment
+        )  # Al hacer click, se ejecuta la función texto_a_sentimiento
+
+demo.launch()