app.py

import base64
import os
import time

import banana_dev as banana
import gradio as gr
from loguru import logger
from pydub import AudioSegment

api_key = os.environ["BANANA_API_KEY"]
model_key = os.environ["BANANA_MODEL_KEY"]
password = os.environ["PASSWORD"]


def transcribe(audio=None, url=None):
    if audio:
        audio_b64 = base64.b64encode(audio.export().read()).decode("ascii")
        payload = {"audio_b64": audio_b64}
    else:
        payload = {"url": url}
    response = banana.run(api_key, model_key, payload)
    print(response)

    if "error" in response:
        raise gr.Error(response["error"])

    # TODO: not sure why response dict contains multiple model outputs
    return response["modelOutputs"][0]


def run_demo(password, microphone, file_upload):
    if password != os.environ["PASSWORD"]:
        raise gr.Error("Der Zugriffscode ist falsch.")

    if (microphone is not None) and (file_upload is not None):
        logger.warning(
            "Achtung: Sie haben sowohl eine Datei hochgeladen als auch über das Mikrofon aufgenommen."
            " Wir verwenden nur die Datei, die Sie hochgeladen haben."
        )

    elif (microphone is None) and (file_upload is None):
        raise gr.Error(
            "Sie müssen entweder eine Datei hochladen oder über das Mikrofon aufnehmen."
        )

    file = microphone if microphone is not None else file_upload

    start = time.time()
    transcription = transcribe(AudioSegment.from_file(file)[:60_000])
    logger.info(f"transcription took {time.time()-start:.3f}s")
    return "\n\n".join([seg["text"].strip() for seg in transcription["segments"]])


demo = gr.Interface(
    fn=run_demo,
    inputs=[
        # gr.Textbox(label="Email", type="email"),
        gr.Textbox(label="Zugriffscode (siehe oben)"),
        gr.Audio(source="microphone", type="filepath", label="Aufnehmen"),
        gr.Audio(source="upload", type="filepath", label="Datei hochladen"),
    ],
    outputs=gr.Textbox(label="Resultat"),
    allow_flagging="never",
    css="footer {visibility: hidden}",
)

demo.launch()