Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,73 +1,44 @@
-import os
 import streamlit as st
-import soundfile as sf
-from openai import OpenAI
+from pydub import AudioSegment
 from transformers import pipeline
 
-# -----------------------------
-# HF Token
-# -----------------------------
-HF_TOKEN = st.secrets["HF_TOKEN"]
-
-client = OpenAI(base_url="https://router.huggingface.co/v1", api_key=HF_TOKEN)
-
-# -----------------------------
-# ASR Model (Whisper)
-# -----------------------------
-@st.cache_resource
-def load_asr():
-    return pipeline("automatic-speech-recognition", model="openai/whisper-large-v3")
-
-asr = load_asr()
-
 # -----------------------------
 # Streamlit UI
 # -----------------------------
 st.title("🏥 AZ Medical Speech → Insight")
-st.write("Audio yükləyin və tibbi insight çıxarın.")
+st.write("Audio faylı yükləyin və tibbi insight çıxarın.")
 
-uploaded_file = st.file_uploader("Audio seçin (.wav, .mp3, .ogg, .m4a)", type=["wav", "mp3", "ogg", "m4a"])
+uploaded_file = st.file_uploader("Audio seçin (.wav, .mp3, .ogg, .m4a)", type=["wav","mp3","ogg","m4a"])
 
 if uploaded_file is not None:
-    # Soundfile ilə .wav fayl yarat
+    # 1️⃣ Audio → wav
     wav_path = "temp.wav"
-    data, samplerate = sf.read(uploaded_file)
-    sf.write(wav_path, data, samplerate)
-
+    audio = AudioSegment.from_file(uploaded_file)
+    audio.export(wav_path, format="wav")
+    
     st.audio(wav_path, format="audio/wav")
 
-    # ASR → AZ və EN
-    az_text = asr(wav_path, generate_kwargs={"task": "transcribe", "language": "az"})["text"].strip()
-    en_text = asr(wav_path, generate_kwargs={"task": "translate", "language": "az"})["text"].strip()
+    # 2️⃣ ASR Model (Whisper, public)
+    with st.spinner("Audio tanınır..."):
+        asr = pipeline(
+            "automatic-speech-recognition",
+            model="openai/whisper-large-v2"
+        )
+        az_text = asr(wav_path, generate_kwargs={"task":"transcribe", "language":"az"})["text"].strip()
+        en_text = asr(wav_path, generate_kwargs={"task":"translate", "language":"az"})["text"].strip()
 
     st.subheader("🎧 Transcripts")
     st.write("AZ:", az_text)
     st.write("EN:", en_text)
 
-    # LLM → Insight
-    messages = [
-        {
-            "role": "system",
-            "content": (
-                "Sən tibbi köməkçi modelsən. Məqsədin xəstənin danışığından simptomları, "
-                "həyati əlamətləri və təcili prioriteti müəyyən etməkdir. "
-                "Qısa və analitik cavab ver, tibbi anlayışlara əsaslan."
-            )
-        },
-        {
-            "role": "user",
-            "content": f"Mətn: {az_text}\n\nXəstənin vəziyyəti barədə tibbi təhlil ver:"
-        }
-    ]
-
-    completion = client.chat.completions.create(
-        model="Intelligent-Internet/II-Medical-8B-1706:featherless-ai",
-        messages=messages,
-        max_tokens=400,
-        temperature=0.4
-    )
-
-    llm_response = completion.choices[0].message.content.strip()
+    # 3️⃣ LLM Model (Public, instruct)
+    with st.spinner("Tibbi insight hazırlanır..."):
+        llm = pipeline(
+            "text-generation",
+            model="tiiuae/falcon-7b-instruct"
+        )
+        insight_output = llm(f"Xəstənin vəziyyəti barədə tibbi təhlil ver:\n{az_text}",
+                             max_new_tokens=200)[0]["generated_text"].strip()
 
     st.subheader("💡 MODEL INSIGHT")
-    st.write(llm_response)
+    st.write(insight_output)