Create app.py

app.py

@@ -0,0 +1,33 @@
+import gradio as gr
+from tone import StreamingCTCPipeline, read_audio
+
+pipe = StreamingCTCPipeline.from_hugging_face()
+
+def transcribe(audio_path):
+    if audio_path is None:
+        return "Please upload an audio file."
+    try:
+        audio = read_audio(audio_path)
+        result = pipe.forward_offline(audio)
+        # result: list of TextPhrase with text, start_time, end_time
+        return "\n".join([x.text for x in result])
+    except Exception as e:
+        return f"Error: {str(e)}"
+
+with gr.Blocks(title="T-one ASR Demo") as demo:
+    gr.Markdown("# Audio Demo")
+    gr.Markdown("""
+    **О модели T-one:**
+    Компактная ASR-модель (70 млн параметров) для потокового распознавания речи на русском языке в реальном времени.
+    Разработана центром искусственного интеллекта группы «Т-Технологии».
+    Лидирует по качеству распознавания в шумных и сжатых аудиозаписях, особенно из колл-центров.
+    Превосходит аналогичные открытые модели от «Сбера» и OpenAI.
+    Лицензия: Apache 2.0 (свободное коммерческое использование).
+    [Страница модели на Hugging Face](https://huggingface.co/t-tech/T-one)
+    """)
+    gr.Markdown("Upload an audio file to get real-time transcription using the t-tech/T-one model.")
+    audio_input = gr.Audio(label="Upload Audio File", type="filepath")
+    text_output = gr.Textbox(label="Transcription", placeholder="Transcribed text will appear here...", lines=5)
+    audio_input.change(transcribe, inputs=audio_input, outputs=text_output)
+
+demo.launch()