import base64 import os import time from io import BytesIO 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()