Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,6 +1,22 @@
 import streamlit as st
-from pydub import AudioSegment
 from transformers import pipeline
+from openai import OpenAI
+
+# -----------------------------
+# Hugging Face API Token (Secrets-də saxla!)
+# -----------------------------
+HF_TOKEN = st.secrets["HF_TOKEN"]
+
+client = OpenAI(base_url="https://router.huggingface.co/v1", api_key=HF_TOKEN)
+
+# -----------------------------
+# ASR Pipeline (Whisper)
+# -----------------------------
+@st.cache_resource
+def load_asr():
+    return pipeline("automatic-speech-recognition", model="openai/whisper-large-v3")
+
+asr = load_asr()
 
 # -----------------------------
 # Streamlit UI
@@ -11,34 +27,43 @@ 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"])
 
 if uploaded_file is not None:
-    # 1️⃣ Audio → wav
-    wav_path = "temp.wav"
-    audio = AudioSegment.from_file(uploaded_file)
-    audio.export(wav_path, format="wav")
+    st.audio(uploaded_file, format='audio/wav')
     
-    st.audio(wav_path, format="audio/wav")
-
-    # 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()
+        az_text = asr(uploaded_file, generate_kwargs={"task":"transcribe","language":"az"})["text"].strip()
+        en_text = asr(uploaded_file, generate_kwargs={"task":"translate","language":"az"})["text"].strip()
 
     st.subheader("🎧 Transcripts")
     st.write("AZ:", az_text)
     st.write("EN:", en_text)
 
-    # 3️⃣ LLM Model (Public, instruct)
+    # -----------------------------
+    # 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:"
+        }
+    ]
+
     with st.spinner("Tibbi insight hazırlanır..."):
-        llm = pipeline(
-            "text-generation",
-            model="tiiuae/falcon-7b-instruct"
+        completion = client.chat.completions.create(
+            model="Intelligent-Internet/II-Medical-8B-1706:featherless-ai",
+            messages=messages,
+            max_tokens=400,
+            temperature=0.4
         )
-        insight_output = llm(f"Xəstənin vəziyyəti barədə tibbi təhlil ver:\n{az_text}",
-                             max_new_tokens=200)[0]["generated_text"].strip()
+
+        llm_response = completion.choices[0].message.content.strip()
 
     st.subheader("💡 MODEL INSIGHT")
-    st.write(insight_output)
+    st.write(llm_response)