Update app.py

app.py

@@ -5,9 +5,11 @@ import os
 from pyannote.audio import Pipeline
 from pydub import AudioSegment
 
-# 初始化 pyannote/speaker-diarization 模型
+# 获取 Hugging Face 认证令牌
 HF_TOKEN = os.environ.get("HUGGINGFACE_READ_TOKEN")
 pipeline = None
+
+# 尝试加载 pyannote 模型
 try:
     pipeline = Pipeline.from_pretrained(
         "pyannote/speaker-diarization-3.1", use_auth_token=HF_TOKEN
@@ -18,7 +20,7 @@ except Exception as e:
     print(f"Error initializing pipeline: {e}")
     pipeline = None
 
-# 音频拼接函数：拼接目标音频和混合音频
+# 音频拼接函数：拼接目标音频和混合音频，返回目标音频的起始时间和结束时间作为字典
 def combine_audio_with_time(target_audio, mixed_audio):
     if pipeline is None:
         return "错误: 模型未初始化"
@@ -38,8 +40,8 @@ def combine_audio_with_time(target_audio, mixed_audio):
     # 将目标说话人的音频片段添加到混合音频的最后
     mixed_audio_segment + target_audio_segment
 
-    # 返回目标音频的起始时间和结束时间
-    return target_start_time, target_end_time
+    # 返回字典，包含目标音频的起始和结束时间
+    return {"start_time": target_start_time, "end_time": target_end_time}
 
 # 使用 pyannote/speaker-diarization 对拼接后的音频进行说话人分离
 @spaces.GPU(duration=60 * 2)  # 使用 GPU 加速，限制执行时间为 120 秒
@@ -92,18 +94,18 @@ def timestamp_to_seconds(timestamp):
 
 # 处理音频文件并返回输出
 def process_audio(target_audio, mixed_audio):
-    # 进行音频拼接
-    target_start_time,target_end_time=combine_audio_with_time(target_audio, mixed_audio)
+    # 进行音频拼接并返回目标音频的起始和结束时间（作为字典）
+    time_dict = combine_audio_with_time(target_audio, mixed_audio)
     
     # 执行说话人分离
-    diarization_result = diarize_audio(mixed_audio)
+    diarization_result = diarize_audio("final_output.wav")
     
     if diarization_result.startswith("错误"):
         return diarization_result, None, None  # 出错时返回错误信息
     else:
         # 生成标签文件
         label_file = generate_labels_from_diarization(diarization_result)
-        return diarization_result, label_file, (target_start_time, target_end_time)  # 返回说话人分离结果、标签文件和目标音频的时间段
+        return diarization_result, label_file, time_dict  # 返回说话人分离结果、标签文件和目标音频的时间段
 
 # Gradio 接口
 with gr.Blocks() as demo:
@@ -129,4 +131,4 @@ with gr.Blocks() as demo:
         outputs=[diarization_output, label_file_link, time_range_output]
     )
 
-demo.launch(share=False)
+demo.launch(share=True)