Update goai_stt.py

goai_stt.py

@@ -1,8 +1,8 @@
 import torch
-import numpy as np
 import librosa
 import time
 from transformers import set_seed, Wav2Vec2ForCTC, AutoProcessor
+import numpy as np
 
 device = 0 if torch.cuda.is_available() else "cpu"
 
@@ -12,8 +12,8 @@ def goai_stt(fichier):
     
     Paramètres
     ---------- 
-    fichier: str | np.ndarray
-        Le chemin d'accès au fichier audio ou le tableau numpy.
+    fichier: str | tuple[int, np.ndarray]
+        Le chemin d'accès au fichier audio ou le tuple contenant le taux d'échantillonnage et les données audio.
         
     Return
     ---------- 
@@ -21,7 +21,6 @@ def goai_stt(fichier):
         Le texte transcrit.
     """
 
-
     print("Fichier entré en entréé ---------> ", fichier)
     
     if fichier is None:
@@ -41,19 +40,11 @@ def goai_stt(fichier):
     if isinstance(fichier, str):
         ### preprocessing de l'audio à partir d'un fichier
         signal, sampling_rate = librosa.load(fichier, sr=16000)
-        
-    elif isinstance(fichier, np.ndarray):
-        ### preprocessing de l'audio à partir d'un tableau numpy
-        signal = fichier
-        sampling_rate = 16000
     else:
-        raise ValueError("Le type de fichier audio est invalide.")
+        ### preprocessing de l'audio à partir d'un tableau numpy
+        sampling_rate, signal = fichier
 
-    # Ensure the signal is a numpy array and has correct dimensions
-    if not isinstance(signal, np.ndarray):
-        raise TypeError("Le signal audio doit être un tableau numpy.")
-    
-    inputs = processor(signal, sampling_rate=sampling_rate, return_tensors="pt", padding=True).to(device)
+    inputs = processor(signal, sampling_rate=16000, return_tensors="pt", padding=True).to(device)
     
     ### faire l'inference
     with torch.no_grad():