This is the version 1.0 of the main file

app.py

@@ -0,0 +1,33 @@
+from transformers import pipeline
+import numpy as np
+import gradio as gr
+
+transcriber = pipeline("automatic-speech-recognition", model="openai/whisper-base", device=-1) # Para generar el texto a aprtir del audio
+tts = pipeline("text-to-speech", model="suno/bark-small", device=-1) # Para generar audio a partir del texto
+
+def transcribe(audio):
+    sr, y = audio # Ahora se obtiene el sample rate y el array con el audio de nuevo_fragmento
+    # 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 
+
+    text_generated = transcriber({"sampling_rate": sr, "raw": y})["text"] # Generamos el texto a partir del audio
+    audio_generated = tts(text_generated) # Generamos el audio a partir del texto del paso anterior
+
+    audio_returned = audio_generated["sampling_rate"],audio_generated["audio"][0]
+
+    return [text_generated, audio_returned] # Devolvemos el texto y el audio generado
+
+
+demo = gr.Interface(
+    transcribe,
+    inputs=gr.Audio(sources=["microphone"]),
+    outputs=[
+        gr.Text(label="texto generado"),
+        gr.Audio(label="audio generado")
+    ],
+    title="De audio a Whisper y TTS",
+    description="Transcribe el audio y luego sintetiza el texto en audio"
+)
+
+demo.launch()