Update app.py

app.py

@@ -1,53 +1,52 @@
-import gradio as gr
-from transformers import pipeline
-from transformers import SpeechT5Processor, SpeechT5ForTextToSpeech
-from datasets import load_dataset
-import torchaudio
-import torch
-
-
-# Cargar el modelo de traducción
-translator = pipeline("translation", model="Helsinki-NLP/opus-mt-es-en")
-synthesiser = pipeline("text-to-speech", "microsoft/speecht5_tts")
-
-# Cargar voces preentrenadas
-embeddings_dataset = load_dataset("Matthijs/cmu-arctic-xvectors", split="validation")
-
-
-# Función principal
-def translate_and_speak(text):
-    # Traducir de español a inglés
-    translated = translator(text, src_lang="es", tgt_lang="en")[0]["translation_text"]
-
-    # Usar una voz preentrenada
-    speaker_embeddings = torch.tensor(embeddings_dataset[7306]["xvector"]).unsqueeze(0)
-
-    # Generar audio
-    speech = synthesiser(translated, forward_params={"speaker_embeddings": speaker_embeddings})
-
-    # Extraer waveform y sampling_rate del resultado
-    waveform = torch.tensor(speech["audio"])  # Convertir a tensor de PyTorch
-    sampling_rate = speech["sampling_rate"]
-
-    # Guardar el audio temporalmente
-    output_path = "output.wav"
-    torchaudio.save(output_path, waveform.unsqueeze(0), sample_rate=sampling_rate)  # Unsqueeze para añadir batch dimension
-
-    return translated, output_path
-
-
-# Crear la interfaz
-interface = gr.Interface(
-    fn=translate_and_speak,
-    inputs=gr.Textbox(label="Texto en Español"),
-    outputs=[
-        gr.Textbox(label="Texto Traducido (Inglés)"),
-        gr.Audio(label="Audio Generado (Inglés)")
-    ],
-    title="Traductor y Generador de Voz",
-    description="Escribe un texto en español y este será traducido al inglés y leído en voz alta usando IA."
-)
-
-# Lanzar la aplicación
-if __name__ == "__main__":
-    interface.launch()
+import gradio as gr
+from transformers import pipeline
+from datasets import load_dataset
+import torchaudio
+import torch
+
+
+# Cargar el modelo de traducción
+translator = pipeline("translation", model="Helsinki-NLP/opus-mt-es-en")
+synthesiser = pipeline("text-to-speech", "microsoft/speecht5_tts")
+
+# Cargar voces preentrenadas
+embeddings_dataset = load_dataset("Matthijs/cmu-arctic-xvectors", split="validation")
+
+
+# Función principal
+def translate_and_speak(text):
+    # Traducir de español a inglés
+    translated = translator(text, src_lang="es", tgt_lang="en")[0]["translation_text"]
+
+    # Usar una voz preentrenada
+    speaker_embeddings = torch.tensor(embeddings_dataset[7306]["xvector"]).unsqueeze(0)
+
+    # Generar audio
+    speech = synthesiser(translated, forward_params={"speaker_embeddings": speaker_embeddings})
+
+    # Extraer waveform y sampling_rate del resultado
+    waveform = torch.tensor(speech["audio"])  # Convertir a tensor de PyTorch
+    sampling_rate = speech["sampling_rate"]
+
+    # Guardar el audio temporalmente
+    output_path = "output.wav"
+    torchaudio.save(output_path, waveform.unsqueeze(0), sample_rate=sampling_rate)  # Unsqueeze para añadir batch dimension
+
+    return translated, output_path
+
+
+# Crear la interfaz
+interface = gr.Interface(
+    fn=translate_and_speak,
+    inputs=gr.Textbox(label="Texto en Español"),
+    outputs=[
+        gr.Textbox(label="Texto Traducido (Inglés)"),
+        gr.Audio(label="Audio Generado (Inglés)")
+    ],
+    title="Traductor y Generador de Voz",
+    description="Escribe un texto en español y este será traducido al inglés y leído en voz alta usando IA."
+)
+
+# Lanzar la aplicación
+if __name__ == "__main__":
+    interface.launch()