Duplicate from Hunzla/whisperaudio

.gitattributes

@@ -0,0 +1,35 @@
+*.7z filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.bz2 filter=lfs diff=lfs merge=lfs -text
+*.ckpt filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.gz filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.mlmodel filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.npy filter=lfs diff=lfs merge=lfs -text
+*.npz filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.parquet filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pickle filter=lfs diff=lfs merge=lfs -text
+*.pkl filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*.rar filter=lfs diff=lfs merge=lfs -text
+*.safetensors filter=lfs diff=lfs merge=lfs -text
+saved_model/**/* filter=lfs diff=lfs merge=lfs -text
+*.tar.* filter=lfs diff=lfs merge=lfs -text
+*.tar filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tgz filter=lfs diff=lfs merge=lfs -text
+*.wasm filter=lfs diff=lfs merge=lfs -text
+*.xz filter=lfs diff=lfs merge=lfs -text
+*.zip filter=lfs diff=lfs merge=lfs -text
+*.zst filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text

README.md

@@ -0,0 +1,14 @@
+---
+title: Whisperaudio
+emoji: 🚀
+colorFrom: green
+colorTo: red
+sdk: gradio
+sdk_version: 3.39.0
+app_file: app.py
+pinned: false
+license: openrail
+duplicated_from: Hunzla/whisperaudio
+---
+
+Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

app.py

@@ -0,0 +1,65 @@
+from transformers import pipeline
+transcript_pipe = pipeline("automatic-speech-recognition", model="ihanif/whisper-medium-urdu")
+from difflib import SequenceMatcher
+import json
+
+
+
+
+with open("tasks.json", "r",encoding="utf-8") as json_file:
+    urdu_data = json.load(json_file)
+# List of commands
+# commands = [
+#     "نمائندے ایجنٹ نمائندہ",
+#     "  سم  ایکٹیویٹ ",
+#     " سم  بلاک بند ",
+#     "موبائل پیکیجز انٹرنیٹ پیکیج",
+#     " چالان جمع چلان",
+#     " گانا "
+# ]
+# replies = [
+# 1,2,
+# ]
+# Function to find the most similar command
+def find_most_similar_command(statement, command_list):
+    best_match = None
+    highest_similarity = 0
+    for index,file_list in command_list.items():
+     for command in  file_list:
+        similarity = SequenceMatcher(None, statement, command).ratio()
+        print(index,"similarity",similarity)
+        if similarity > highest_similarity:
+            highest_similarity = similarity
+            best_match = command
+            reply=index
+    return best_match,reply
+
+def transcribe_the_command(audio,menu_id,abc):
+      import soundfile as sf
+      sample_rate, audio_data = audio
+      file_name = "recorded_audio.wav"
+      sf.write(file_name, audio_data, sample_rate)
+    # Convert stereo to mono by averaging the two channels
+      print(menu_id)
+
+      transcript = asr_pipe(file_name)["text"]
+      commands=urdu_data[menu_id]
+      print(commands)
+      most_similar_command,reply = find_most_similar_command(transcript, commands)
+      print(f"Given Statement: {transcript}")
+      print(f"Most Similar Command: {most_similar_command}\n")
+      print(reply)
+      return reply
+# get_text_from_voice("urdu.wav")
+import gradio as gr
+
+
+iface = gr.Interface(
+    fn=transcribe_the_command,
+    inputs=[gr.inputs.Audio(label="Recorded Audio",source="microphone"),gr.inputs.Textbox(label="menu_id"),gr.inputs.Textbox(label="dfs")],
+    outputs="text",
+    title="Whisper Small Urdu Command",
+    description="Realtime demo for Urdu speech recognition using a fine-tuned Whisper small model and outputting the estimated command on the basis of speech transcript.",
+)
+
+iface.launch()

requirements.txt

@@ -0,0 +1,3 @@
+gradio
+transformers[torch]
+soundfile

tasks.json

@@ -0,0 +1,129 @@
+{
+  "1": {
+    "99":["کیا آپ میری مدد کر سکتے ہیں","مجھے نمائندے سے بات کرنی ہے","مجھے مدد کی ضرورت ہے","مجھے ایجنٹ سے بات کرنی ہے۔"],
+    "10":["آرڈر کریں ","آرڈر پلیس کر دیں","رکھیں آرڈر","میں نے آرڈر کرنا ہے۔","مجھے آرڈر کرنا ہے",  "مجھے پیزا آرڈر کرنی ہے",
+    "مجھے پیزا آرڈر کرنے ہے",
+    "پیزا مجھے آرڈر کرنا ہے",
+    "مجھے پیزا کرنا آرڈر ہے",
+    "پیزا آرڈر مجھے کرنا ہے"]
+  },
+  "10": {
+    "101":[
+      "پیپرونی",   
+      "پیپرونی",   
+      "پیپرانی",   
+      "پپرونی",     
+      "پپرونی",    
+      "پیپرونی",    
+      "پیپرونی",    
+      "پیپرونی",   
+      "پپرونی",     
+      "پیپرانی"    
+    ],
+    "102":[
+      "چکن تکہ",     
+      "چکن تکا",     
+      "چکن ٹکہ",    
+      "چکن تکہہ",   
+      "چکن تیکہ",   
+      "چکن تکہ",     
+      "چکن تکہ",     
+      "چکن تکہ",     
+      "چکن تکا",    
+      "چکن ٹکا"     
+    ],
+    "103":[
+      "بیف سپریم",     
+      "بیف سپریم",    
+      "بیف سپریم",    
+      "بیف سپرم",      
+      "بیف سپرم",      
+      "بیف سوپریم",   
+      "بیف سپریم",     
+      "بیف سپریم",     
+      "بیف سپرم",      
+      "بیف سپریم"      
+    ]
+  },
+  "11": {
+    "111":[  "سات انچ",     
+    "سات انچز",    
+    "7 انچ",      
+    "سات انچھ",   
+    "سات انچز",     
+    "چھوٹا",      
+    "چھوٹی",     
+    "سمول",      
+    "سمال",       
+    "چوٹا"       
+  ],
+    "112":[  "میڈیم",       
+    "میڈیم",       
+    "میڈئم",       
+    "میڈیمز",     
+    "میڈیم",        
+    "دس انچ",       
+    "دس انچز",      
+    "10 انچ",      
+    "دس انچھ",     
+    "دس انچز"       
+  ],
+    "113":[
+      "لارج",      
+      "لاج",      
+      "لارگ",      
+      "لارجز",     
+      "لارج" ,      
+      "تیرہ انچ",     
+      "تیرہ انچز",    
+      "13 انچ",      
+      "تیرہ انچھ",   
+      "تیرہ انچز"     
+
+    ],
+    "114":[
+
+      "ایکس ایل",      
+      "اکسٹرا لارج",   
+      "اے ایل",         
+      "ایکسٹرا لارج",   
+      "ای ایل"   ,       
+      "فیملی سائز",       
+      "فیملی سائز",       
+      "فیملی سائز",       
+      "فاملی سائز",      
+      "فیملی سائزز",
+      "سولہ انچ",
+      "سولہ انچز",
+      "16 انچ",
+      "سولہ انچھ",
+      "سولہ انچز"   
+    ]
+  },
+  "13": {
+    "131": [
+      "پیزا کرسٹ تھن",
+      "پیزا کرسٹ تھن",
+      "پیزا کرست تھن",
+      "پیزا کرسٹ سکن",
+      "پیزا کرسٹ پتلی",
+      "پیزا کرسٹ تھن اینچ",
+      "پیزا تھن کرسٹ",
+      "کرسٹ پیزا تھن",
+      "پیزا کرسٹ تن",
+      "پیزا کرسٹ تھن"
+    ],
+    "132":[
+      "پیزا کرسٹ ہینڈ ٹوسٹڈ",
+      "پیزا کرسٹ ہینڈ ٹوسٹڈ",
+      "پیزا کرست ہینڈ ٹوسٹڈ",
+      "پیزا کرسٹ ہینڈ ٹوسٹڈ",
+      "پیزا کرسٹ ہینڈ توستڈ",
+      "پیزا کرسٹ ہینڈ ٹوسٹڈ اینچ",
+      "پیزا ٹوسٹڈ ہینڈ کرسٹ",
+      "کرسٹ ہینڈ پیزا ٹوسٹڈ",
+      "پیزا کرسٹ ہینڈ توستڈ",
+      "پیزا کرسٹ ہینڈ ٹوسٹڈ"
+    ]
+  }
+}