Update app.py

app.py

@@ -3,30 +3,43 @@ import torch
 import torchaudio
 from transformers import AutoFeatureExtractor, AutoModelForAudioClassification
 
+# הגדרת המודל
 model_id = "Wiam/baby-cry-classification-finetuned-babycry-v4"
 model = AutoModelForAudioClassification.from_pretrained(model_id)
 feature_extractor = AutoFeatureExtractor.from_pretrained(model_id)
 
 def classify_baby_cry(audio_file):
+    # טען את קובץ הסאונד
     waveform, sample_rate = torchaudio.load(audio_file)
-    
-    # אם האודיו ביותר מערוץ אחד (Stereo) נחתוך לערוץ 1
+
+    # המרה ל־16kHz כפי שהמודל דורש
+    if sample_rate != 16000:
+        resampler = torchaudio.transforms.Resample(orig_freq=sample_rate, new_freq=16000)
+        waveform = resampler(waveform)
+        sample_rate = 16000
+
+    # אם האודיו בסטראו, נאחד לערוץ אחד
     if waveform.shape[0] > 1:
         waveform = waveform.mean(dim=0, keepdim=True)
-    
+
+    # המרת האודיו לכניסת מודל
     inputs = feature_extractor(waveform.squeeze().numpy(), sampling_rate=sample_rate, return_tensors="pt")
+
+    # חיזוי
     with torch.no_grad():
         outputs = model(**inputs)
         probs = torch.nn.functional.softmax(outputs.logits[0], dim=0)
 
+    # מיפוי תוצאות
     labels = model.config.id2label
     results = {labels[i]: float(probs[i]) for i in range(len(labels))}
     return results
 
+# ממשק גרפיקה
 gr.Interface(
     fn=classify_baby_cry,
     inputs=gr.Audio(type="filepath"),
     outputs=gr.Label(num_top_classes=3),
     title="זיהוי בכי תינוקות",
-    description="המערכת מאזינה לקובץ קול ומחזירה מה נראה שהתינוק מנסה לבטא"
+    description="המערכת מאזינה לקובץ קול של תינוק ומחזירה את סוג הבכי לפי המודל"
 ).launch()