Update main.py

main.py

@@ -4,38 +4,10 @@ import requests
 from tqdm import tqdm
 
 from svc_inference import main
+from whisper.inference import check_and_download_model
 
-def check_and_download_model():
-    temp_dir = "/tmp"
-    model_path = os.path.join(temp_dir, "large-v2.pt")
-    
-    if os.path.exists(model_path):
-        return f"モデルは既に存在します: {model_path}"
-    
-    url = "https://openaipublic.azureedge.net/main/whisper/models/81f7c96c852ee8fc832187b0132e569d6c3065a3252ed18e56effd0b6a73e524/large-v2.pt"
-    
-    try:
-        response = requests.get(url, stream=True)
-        response.raise_for_status()
-        total_size = int(response.headers.get('content-length', 0))
-        
-        with open(model_path, 'wb') as f, tqdm(
-            desc=model_path,
-            total=total_size,
-            unit='iB',
-            unit_scale=True,
-            unit_divisor=1024,
-        ) as pbar:
-            for data in response.iter_content(chunk_size=1024):
-                size = f.write(data)
-                pbar.update(size)
-                
-        return f"モデルのダウンロードが完了しました: {model_path}"
-        
-    except Exception as e:
-        return f"エラーが発生しました: {e}"
 
-def run_main(shift):
+def run_main(audio_file,shift):
     # 固定の引数を設定
     class Args:
         pass
@@ -44,7 +16,7 @@ def run_main(shift):
     args.config = "configs/base.yaml"
     args.model = "./vits_pretrain/sovits5.0.pretrain.pth"
     args.spk = "./configs/singers/singer0001.npy"
-    args.wave = "test.wav"
+    args.wave = audio_file
     args.shift = shift
     
     # オプショナルパラメータのデフォルト値設定
@@ -61,23 +33,19 @@ def run_main(shift):
 
     try:
         main(args)
-        return "処理が完了しました。", "svc_out.wav"  # 音声ファイルのパスを返す
+        return "svc_out.wav"  # 音声ファイルのパスを返す
     except Exception as e:
-        return f"エラーが発生しました: {str(e)}", None
+        return None
 
 # Gradio インターフェースの作成
 with gr.Blocks() as demo:
     gr.Markdown("# SVC 音声変換システム")
-    gr.Markdown("## 設定されているパラメータ")
-    gr.Markdown("""
-    - Config: configs/base.yaml
-    - Model: ./vits_pretrain/sovits5.0.pretrain.pth
-    - Speaker: ./configs/singers/singer0001.npy
-    - Input Wave: test.wav
-    """)
     
-    # 入力音声の表示
-    gr.Audio("test.wav", label="入力音声")
+    # 入力音声のアップロード
+    input_audio = gr.Audio(
+        label="変換したい音声をアップロード",
+        type="filepath"  # ファイルパスとして取得
+    )
     
     # Pitch シフトのスライダー
     shift = gr.Slider(
@@ -88,27 +56,19 @@ with gr.Blocks() as demo:
         label="Pitch Shift（-12から+12の半音）"
     )
     
+    # ボタン
+    run_btn = gr.Button(value="音声変換を実行", variant="primary", size="lg")
+
     # 出力表示用
-    output_text = gr.Text(label="処理結果")
     output_audio = gr.Audio(label="変換後の音声")
     
-    # ボタン
-    with gr.Row():
-        check_btn = gr.Button(value="モデルを確認する", variant="secondary", size="lg")
-        run_btn = gr.Button(value="音声変換を実行", variant="primary", size="lg")
-    
-    # イベント設定
-    check_btn.click(
-        fn=check_and_download_model,
-        outputs=output_text
-    )
     
     run_btn.click(
         fn=run_main,
-        inputs=[shift],
-        outputs=[output_text, output_audio]
+        inputs=[input_audio, shift],
+        outputs=[output_audio]
     )
 
 # アプリケーションの起動
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()