Update app.py

app.py

@@ -141,58 +141,48 @@ def generate_audio(tts_text, mode_checkbox_group, sft_dropdown, prompt_text, pro
     audio_data = output['tts_speech'].numpy().flatten()
     return (target_sr, audio_data)
 
-def main():
-    with gr.Blocks() as demo:
-        gr.Markdown("# <center>🌊💕🎶 [CosyVoice](https://www.bilibili.com/video/BV1vz421q7ir/) 3秒音频，开启最强声音复刻</center>")
-        gr.Markdown("## <center>🌟 只需3秒参考音频，一键开启超拟人真实声音复刻，支持中日英韩粤语，无需任何训练！</center>")
-        gr.Markdown("### <center>🤗 更多精彩，尽在[滔滔AI](https://www.talktalkai.com/)；滔滔AI，为爱滔滔！💕</center>")
-
-        with gr.Row():
-            tts_text = gr.Textbox(label="请填写您希望声音复刻的文本内容", lines=3, info="中文文本建议不超过100个字，英文文本不超过100个单词", placeholder="想说却还没说的，还很多...")
-            mode_checkbox_group = gr.Radio(choices=inference_mode_list, label='请选择声音复刻类型', value=inference_mode_list[0], info="如果声音复刻的文本和参考音频对应的文本是同一种语言，请选择“3s极速复刻”；不同语言，请选“跨语种复刻”")
-            instruction_text = gr.Text(label="📔 操作指南", value=instruct_dict[inference_mode_list[0]], scale=0.5, visible=False)
-            sft_dropdown = gr.Dropdown(choices=sft_spk, label='选择预训练音色', value=sft_spk[0], scale=0.25, visible=False)
-            with gr.Column(scale=0.25):
-                seed_button = gr.Button(value="\U0001F3B2", visible=True)
-                seed = gr.Number(value=0, label="随机推理种子", info="若数值保持不变，则每次生成结果一致", visible=True)
-
-        with gr.Row():
-            prompt_text = gr.Textbox(label="请填写参考音频对应的文本内容", lines=3, placeholder="告诉我参考音频说了些什么吧...")
-            prompt_wav_upload = gr.Audio(type='filepath', label='请从本地上传您喜欢的参考音频，注意采样率不低于16kHz')
-            prompt_wav_record = gr.Audio(type='filepath', label='通过麦克风录制参考音频，程序会优先使用本地上传的参考音频', visible=False)
-            generate_button = gr.Button("一键开启声音复刻💕", variant="primary")
-        instruct_text = gr.Textbox(label="输入instruct文本", lines=1, placeholder="请输入instruct文本.", value='', visible=False)
-
-
-        audio_output = gr.Audio(label="为您生成的专属音频🎶")
-
-        seed_button.click(fn=generate_seed, inputs=[], outputs=seed)
-        generate_button.click(fn=generate_audio,
-                              inputs=[tts_text, mode_checkbox_group, sft_dropdown, prompt_text, prompt_wav_upload, prompt_wav_record, instruct_text, seed],
-                              outputs=[audio_output])
-        mode_checkbox_group.change(fn=change_instruction, inputs=[mode_checkbox_group], outputs=[instruction_text])
-        gr.Markdown("### <center>注意❗：请不要生成会对个人以及组织造成侵害的内容，此程序仅供科研、学习及个人娱乐使用。请自觉合规使用此程序，程序开发者不负有任何责任。</center>")
-        gr.HTML('''
-            <div class="footer">
-                        <p>🌊🏞️🎶 - 江水东流急，滔滔无尽声。 明·顾璘
-                        </p>
-            </div>
-        ''')
-    demo.queue(max_size=40, api_open=False)
-    demo.launch(max_threads=400, show_error=True)
+
+cosyvoice = CosyVoice('iic/CosyVoice-300M')
+sft_spk = cosyvoice.list_avaliable_spks()
+prompt_sr, target_sr = 16000, 22050
+default_data = np.zeros(target_sr)
+    
+with gr.Blocks() as demo:
+    gr.Markdown("# <center>🌊💕🎶 [CosyVoice](https://www.bilibili.com/video/BV1vz421q7ir/) 3秒音频，开启最强声音复刻</center>")
+    gr.Markdown("## <center>🌟 只需3秒参考音频，一键开启超拟人真实声音复刻，支持中日英韩粤语，无需任何训练！</center>")
+    gr.Markdown("### <center>🤗 更多精彩，尽在[滔滔AI](https://www.talktalkai.com/)；滔滔AI，为爱滔滔！💕</center>")
+
+    with gr.Row():
+        tts_text = gr.Textbox(label="请填写您希望声音复刻的文本内容", lines=3, info="中文文本建议不超过100个字，英文文本不超过100个单词", placeholder="想说却还没说的，还很多...")
+        mode_checkbox_group = gr.Radio(choices=inference_mode_list, label='请选择声音复刻类型', value=inference_mode_list[0], info="如果声音复刻的文本和参考音频对应的文本是同一种语言，请选择“3s极速复刻”；不同语言，请选“跨语种复刻”")
+        instruction_text = gr.Text(label="📔 操作指南", value=instruct_dict[inference_mode_list[0]], scale=0.5, visible=False)
+        sft_dropdown = gr.Dropdown(choices=sft_spk, label='选择预训练音色', value=sft_spk[0], scale=0.25, visible=False)
+        with gr.Column(scale=0.25):
+            seed_button = gr.Button(value="\U0001F3B2", visible=True)
+            seed = gr.Number(value=0, label="随机推理种子", info="若数值保持不变，则每次生成结果一致", visible=True)
+
+    with gr.Row():
+        prompt_text = gr.Textbox(label="请填写参考音频对应的文本内容", lines=3, placeholder="告诉我参考音频说了些什么吧...")
+        prompt_wav_upload = gr.Audio(type='filepath', label='请从本地上传您喜欢的参考音频，注意采样率不低于16kHz')
+        prompt_wav_record = gr.Audio(type='filepath', label='通过麦克风录制参考音频，程序会优先使用本地上传的参考音频', visible=False)
+        generate_button = gr.Button("一键开启声音复刻💕", variant="primary")
+    instruct_text = gr.Textbox(label="输入instruct文本", lines=1, placeholder="请输入instruct文本.", value='', visible=False)
+
+
+    audio_output = gr.Audio(label="为您生成的专属音频🎶")
+
+    seed_button.click(fn=generate_seed, inputs=[], outputs=seed)
+    generate_button.click(fn=generate_audio,
+                            inputs=[tts_text, mode_checkbox_group, sft_dropdown, prompt_text, prompt_wav_upload, prompt_wav_record, instruct_text, seed],
+                            outputs=[audio_output])
+    mode_checkbox_group.change(fn=change_instruction, inputs=[mode_checkbox_group], outputs=[instruction_text])
+    gr.Markdown("### <center>注意❗：请不要生成会对个人以及组织造成侵害的内容，此程序仅供科研、学习及个人娱乐使用。请自觉合规使用此程序，程序开发者不负有任何责任。</center>")
+    gr.HTML('''
+        <div class="footer">
+                    <p>🌊🏞️🎶 - 江水东流急，滔滔无尽声。 明·顾璘
+                    </p>
+        </div>
+    ''')
+demo.queue(max_size=40, api_open=False)
+demo.launch(max_threads=400, show_error=True)
     
-if __name__ == '__main__':
-    parser = argparse.ArgumentParser()
-    parser.add_argument('--port',
-                        type=int,
-                        default=8000)
-    parser.add_argument('--model_dir',
-                        type=str,
-                        default='iic/CosyVoice-300M',
-                        help='local path or modelscope repo id')
-    args = parser.parse_args()
-    cosyvoice = CosyVoice(args.model_dir)
-    sft_spk = cosyvoice.list_avaliable_spks()
-    prompt_sr, target_sr = 16000, 22050
-    default_data = np.zeros(target_sr)
-    main()