EVSC / src /streamlit_app.py
Reyall's picture
Update src/streamlit_app.py
9b89052 verified
import streamlit as st
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="/static-proxy?url=https%3A%2F%2Frouter.huggingface.co%2Fv1%26quot%3B%3C%2Fspan%3E%2C 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
# -----------------------------
st.title("🏥 AZ Medical Speech → Insight")
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:
st.audio(uploaded_file, format='audio/wav')
with st.spinner("Audio tanınır..."):
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)
# -----------------------------
# 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..."):
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()
st.subheader("💡 MODEL INSIGHT")
st.write(llm_response)