app.py

import gradio as gr
from transformers import pipeline
import torch

# Carregando o modelo Whisper para transcrição de áudio
transcriber = pipeline(
    task="automatic-speech-recognition",
    model="openai/whisper-small",
    device=torch.device('cuda' if torch.cuda.is_available() else 'cpu')
)

# Carregando o modelo de análise de sentimentos em português
sentiment_analyzer = pipeline(
    "sentiment-analysis",
    model="nlptown/bert-base-multilingual-uncased-sentiment"
)

def transcribe_and_analyze(audio_file):
    """
    Recebe um arquivo de áudio, transcreve e analisa o sentimento.
    """
    # Transcrevendo o áudio
    transcription = transcriber(audio_file)["text"]
    
    # Analisando o sentimento da transcrição
    sentiment = sentiment_analyzer(transcription)[0]
    
    # Formatando a saída do sentimento
    sentiment_output = f"{sentiment['label']} (confiança: {sentiment['score']:.2f})"
    
    return transcription, sentiment_output

# Criando a interface Gradio
interface = gr.Interface(
    fn=transcribe_and_analyze,
    inputs=gr.Audio(type="filepath", label="Faça upload do seu áudio"), # Removed source argument
    outputs=[
        gr.Textbox(label="Transcrição do Áudio"),
        gr.Textbox(label="Análise de Sentimento")
    ],
    title="Transcrição e Análise de Sentimentos de Áudio",
    description="Envie um arquivo de áudio de até 1 hora para transcrição e análise de sentimentos.",
    theme="default"
)

if __name__ == "__main__":
    interface.launch()