This is the main file of the program

app.py

@@ -0,0 +1,26 @@
+import torch # Para crear redes neuronales
+from transformers import pipeline # Para el procesamiento del lenguaje
+import numpy as np # Porque la transcripción de audio a texto se hace mediante arrays
+import gradio as gr # Para la interfaz
+
+
+# Si disponemos de una GPU con el parámetro device=0 le estamos diciendo que la use
+pipe = pipeline(
+    "automatic-speech-recognition", model="openai/whisper-medium", device=0
+)
+
+def transcribe(audio): # Recibe un único parámetro de entrada (un audio)  
+    sr, y = audio
+    # Pasamos el array de muestras a tipo NumPy de 32 bits porque el método pipeline espera que le pasemos un array
+    y = y.astype(np.float32)
+    y /= np.max(np.abs(y)) # Normalizamos el audio para evitar problemas de distorsión o saturación. Para ello encontramos el valor máximo del array "y" y dividimos todos los valores de "y" por ese valor para que estén en un rago entre -1 y 1 
+
+    return pipe({"sampling_rate": sr, "raw": y})["text"] # El pipe procesa el audio y devuelve el texto transcrito
+
+demo = gr.Interface(
+    transcribe,
+    gr.Audio(sources=["microphone"]),
+    "text",
+)
+
+demo.launch()