litagin commited on
Commit
e8dc53b
·
1 Parent(s): 5f43bee
Files changed (1) hide show
  1. app.py +2 -4
app.py CHANGED
@@ -4,7 +4,6 @@ import warnings
4
  from pathlib import Path
5
 
6
  import gradio as gr
7
- import huggingface_hub
8
  import librosa
9
  import spaces
10
  import torch
@@ -13,7 +12,6 @@ from transformers import pipeline
13
 
14
  warnings.filterwarnings("ignore")
15
 
16
- huggingface_hub.login(token=os.getenv("HF_TOKEN"))
17
  is_hf = os.getenv("SYSTEM") == "spaces"
18
 
19
  generate_kwargs = {
@@ -62,6 +60,7 @@ def transcribe_common(audio: str, model: str) -> str:
62
  audio = AudioSegment.from_file(audio)
63
  audio.export("temp.wav", format="wav")
64
  y, sr = librosa.load("temp.wav", mono=True, sr=16000)
 
65
  # Get duration of audio
66
  duration = librosa.get_duration(y=y, sr=sr)
67
  logger.info(f"Duration: {duration:.2f}s")
@@ -88,9 +87,8 @@ def transcribe_anime_whisper(audio) -> str:
88
  initial_md = """
89
  # Anime-Whisper Demo
90
 
91
- [**Anime Whisper**](https://huggingface.co/litagin/anime-whisper): 5千時間以上のアニメ調セリフと台本でファインチューニングされた音声認識モデルです。
92
 
93
- - ベースモデル: [kotoba-whisper-v2.0](https://huggingface.co/kotoba-tech/kotoba-whisper-v2.0)
94
  - デモでは**音声は15秒まで**しか受け付けません
95
  - 日本語のみ対応 (Japanese only)
96
  - 比較のために [openai/whisper-large-v3-turbo](https://huggingface.co/openai/whisper-large-v3-turbo) と [kotoba-tech/kotoba-whisper-v2.0](https://huggingface.co/kotoba-tech/kotoba-whisper-v2.0) も用意しています
 
4
  from pathlib import Path
5
 
6
  import gradio as gr
 
7
  import librosa
8
  import spaces
9
  import torch
 
12
 
13
  warnings.filterwarnings("ignore")
14
 
 
15
  is_hf = os.getenv("SYSTEM") == "spaces"
16
 
17
  generate_kwargs = {
 
60
  audio = AudioSegment.from_file(audio)
61
  audio.export("temp.wav", format="wav")
62
  y, sr = librosa.load("temp.wav", mono=True, sr=16000)
63
+ Path("temp.wav").unlink()
64
  # Get duration of audio
65
  duration = librosa.get_duration(y=y, sr=sr)
66
  logger.info(f"Duration: {duration:.2f}s")
 
87
  initial_md = """
88
  # Anime-Whisper Demo
89
 
90
+ [**Anime Whisper**](https://huggingface.co/litagin/anime-whisper): 5千時間以上のアニメ調セリフと台本でファインチューニングされた日本語音声認識モデルのデモです。句読点や感嘆符がリズムや感情に合わせて自然に付き、NSFW含む非言語発話もうまく台本調に書き起こされます。
91
 
 
92
  - デモでは**音声は15秒まで**しか受け付けません
93
  - 日本語のみ対応 (Japanese only)
94
  - 比較のために [openai/whisper-large-v3-turbo](https://huggingface.co/openai/whisper-large-v3-turbo) と [kotoba-tech/kotoba-whisper-v2.0](https://huggingface.co/kotoba-tech/kotoba-whisper-v2.0) も用意しています