Update app.py

app.py

@@ -3,6 +3,7 @@ import torch
 import numpy as np
 import soundfile as sf
 import librosa
+import time
 from transformers import pipeline
 
 pipe = pipeline(
@@ -13,13 +14,16 @@ pipe = pipeline(
 )
 
 def transcribe(audio_data):
-    print(f"Received audio data: {audio_data}") 
-
+    log_messages = []
+    
+    start_time = time.time()
+    log_messages.append("Загрузка файла...")
+    
     if audio_data is None:
-        return "Ошибка: не получены аудиоданные"
-
+        return "Ошибка: не получены аудиоданные", "\n".join(log_messages)
+    
     wav_file = "temp_audio.wav"
-
+    
     if isinstance(audio_data, tuple):
         audio_array, sample_rate = audio_data
         sf.write(wav_file, audio_array, sample_rate)
@@ -27,18 +31,25 @@ def transcribe(audio_data):
         audio_array, sample_rate = librosa.load(audio_data, sr=16000)
         sf.write(wav_file, audio_array, sample_rate)
     else:
-        return "Ошибка: неизвестный формат аудиоданных"
-
+        return "Ошибка: неизвестный формат аудиоданных", "\n".join(log_messages)
+    
+    log_messages.append(f"Загрузка файла завершена за {time.time() - start_time:.2f} сек")
+    
+    start_time = time.time()
+    log_messages.append("Работа модели... в процессе")
     result = pipe(wav_file)
-    return result["text"]
+    log_messages.append(f"Работа модели завершена за {time.time() - start_time:.2f} сек")
+    
+    return result["text"], "\n".join(log_messages)
 
 with gr.Blocks() as app:
     gr.Markdown("## Распознавание речи с Whisper")
-
+    
     audio_data = gr.Audio(type="filepath")
     text_output = gr.Textbox(label="Распознанный текст")
-
+    log_output = gr.Textbox(label="Лог выполнения", interactive=False)
+    
     btn = gr.Button("Распознать")
-    btn.click(transcribe, inputs=audio_data, outputs=text_output)
+    btn.click(transcribe, inputs=audio_data, outputs=[text_output, log_output])
 
 app.launch(debug=True)