Create main.py

main.py

@@ -0,0 +1,96 @@
+import streamlit as st
+import torch
+import librosa
+import numpy as np
+from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
+import io
+from datetime import datetime
+
+# Konfiguracja strony
+st.set_page_config(
+    page_title="Transkrypcja Audio - Polski",
+    page_icon="🎤",
+    layout="wide"
+)
+
+@st.cache_resource
+def zaladuj_model():
+    """Ładuje model i procesor z cache"""
+    nazwa_modelu = "jonatasgrosman/wav2vec2-large-xlsr-53-polish"
+    procesor = Wav2Vec2Processor.from_pretrained(nazwa_modelu)
+    model = Wav2Vec2ForCTC.from_pretrained(nazwa_modelu)
+    return procesor, model
+
+def transkrybuj_audio(audio_bytes, procesor, model):
+    """Transkrybuje audio z przekazanych bajtów"""
+    # Konwersja bajtów na numpy array
+    audio, czestotliwosc = librosa.load(io.BytesIO(audio_bytes), sr=16000)
+    
+    # Przygotowanie danych wejściowych
+    dane_wejsciowe = procesor(audio, sampling_rate=16000, return_tensors="pt").input_values
+
+    # Wykonanie transkrypcji
+    with torch.no_grad():
+        logity = model(dane_wejsciowe).logits
+    
+    # Dekodowanie transkrypcji
+    przewidziane_id = torch.argmax(logity, dim=-1)
+    transkrypcja = procesor.batch_decode(przewidziane_id)[0]
+    
+    return transkrypcja
+
+def main():
+    st.title("🎤 Transkrypcja Audio w Języku Polskim")
+    
+    st.markdown("""
+    ### Instrukcja:
+    1. Wgraj plik audio (WAV, MP3, etc.)
+    2. Poczekaj na transkrypcję
+    3. Pobierz wynik jako plik tekstowy
+    """)
+
+    # Ładowanie modelu
+    with st.spinner("Ładowanie modelu..."):
+        procesor, model = zaladuj_model()
+
+    # Upload pliku
+    plik_audio = st.file_uploader("Wybierz plik audio", type=['wav', 'mp3', 'ogg', 'm4a'])
+    
+    if plik_audio is not None:
+        st.audio(plik_audio)
+        
+        if st.button("Rozpocznij transkrypcję"):
+            with st.spinner("Trwa transkrypcja..."):
+                try:
+                    # Transkrypcja
+                    transkrypcja = transkrybuj_audio(plik_audio.getvalue(), procesor, model)
+                    
+                    # Wyświetlenie wyniku
+                    st.success("Transkrypcja zakończona!")
+                    st.markdown("### Wynik transkrypcji:")
+                    st.text_area("", transkrypcja, height=200)
+                    
+                    # Przygotowanie pliku do pobrania
+                    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+                    nazwa_pliku = f"transkrypcja_{timestamp}.txt"
+                    
+                    st.download_button(
+                        label="Pobierz transkrypcję",
+                        data=transkrypcja.encode('utf-8'),
+                        file_name=nazwa_pliku,
+                        mime="text/plain"
+                    )
+                    
+                except Exception as e:
+                    st.error(f"Wystąpił błąd podczas transkrypcji: {str(e)}")
+
+    st.markdown("---")
+    st.markdown("""
+    ### Informacje:
+    - Model: Wav2Vec2-Large-XLSR-53-Polish
+    - Obsługiwane formaty: WAV, MP3, OGG, M4A
+    - Język: Polski
+    """)
+
+if __name__ == "__main__":
+    main()