Create app.py

app.py

@@ -0,0 +1,53 @@
+import gradio as gr
+import requests
+from transformers import pipeline
+import tensorflow as tf
+
+inception_net = tf.keras.applications.MobileNetV2()
+
+# Obteniendo las labels de "https://git.io/JJkYN"
+respuesta = requests.get("https://raw.githubusercontent.com/gradio-app/mobilenet-example/master/labels.txt")
+etiquetas =respuesta.text.split("\n")
+
+def clasifica_imagen(inp):
+  inp = inp.reshape((-1,224,224,3))
+  inp = tf.keras.applications.mobilenet_v2.preprocess_input(inp)
+  prediction = inception_net.predict(inp).flatten()
+  confidences ={etiquetas[i]: float(prediction[i]) for i in range(1000)}
+  return confidences
+
+def audio_a_text(audio):
+  text = trans(audio)["text"]
+  return text
+
+def texto_a_sentimiento(text):
+  return clasificador(text)[0]["label"]
+
+demo = gr.Blocks()
+
+with demo:
+  gr.Markdown("Este es el segundo demo con Blocks")
+  with gr.Tabs():
+    with gr.TabItem("Transcribe audio en español"):
+      with gr.Row():
+        audio = gr.Audio(source="microphone", type="filepath")
+        transcripcion = gr.Textbox()
+      b1 = gr.Button("Transcribe porfa")
+
+    with gr.TabItem("Análisis de sentimiento en español"):
+      with gr.Row():
+        texto = gr.Textbox()
+        label = gr.Label()
+      b2 = gr.Button("Sentimiento porfa")
+
+    with gr.TabItem("clasificación de imágenes"):
+      with gr.Row():
+        image = gr.Image(shape=(224,224))
+        label = gr.Label(num_top_classes=3)
+      b3 = gr.Button("clasificar")
+
+    b1.click(audio_a_text, inputs = audio, outputs=transcripcion)
+    b2.click(texto_a_sentimiento, inputs=texto, outputs=label)
+    b3.click(clasifica_imagen, inputs=image, outputs=label)
+
+demo.launch()