Spaces:
Running
Running
| da pathlib importa Percorso | |
| da threading importa Thread | |
| importa gdown | |
| importa gradio come gr | |
| importare librosa | |
| importa numpy come np | |
| importare torcia | |
| da gradio_examples importa ESEMPI | |
| da pipeline importa build_audiosep | |
| CHECKPOINTS_DIR = Percorso("punto di controllo") | |
| DISPOSITIVO = torch.device("cuda" se torch.cuda.is_available() altrimenti "cpu") | |
| # Il modello verrà caricato in futuro | |
| MODEL_NAME = CHECKPOINTS_DIR / "audiosep_base_4M_steps.ckpt" | |
| MODELLO = build_audiosep( | |
| config_yaml="config/audiosep_base.yaml", | |
| checkpoint_path=NOME_MODELLO, | |
| dispositivo=DISPOSITIVO, | |
| ) | |
| descrizione = """ | |
| # AudioSep: Separa tutto ciò che descrivi | |
| [[Pagina del progetto]](https://audio-agi.github.io/Separate-Anything-You-Describe) [[Documento]](https://audio-agi.github.io/Separate-Anything-You-Describe/AudioSep_arXiv.pdf) [[Codice]](https://github.com/Audio-AGI/AudioSep) | |
| AudioSep è un modello fondamentale per la separazione dei suoni in dominio aperto mediante query in linguaggio naturale. | |
| AudioSep dimostra una forte prestazione di separazione e un'impressionante capacità di generalizzazione zero-shot su | |
| numerosi compiti quali la separazione degli eventi audio, la separazione degli strumenti musicali e il miglioramento della voce. | |
| """ | |
| def inference(percorso_file_audio: str, testo: str): | |
| print(f"Separa l'audio da [{audio_file_path}] con query testuale [{text}]") | |
| miscela, _ = librosa.load(percorso_file_audio, sr=32000, mono=True) | |
| con torch.no_grad(): | |
| testo = [testo] | |
| condizioni = MODELLO.query_encoder.get_query_embed( | |
| modalità="testo", testo=testo, dispositivo=DISPOSITIVO | |
| ) | |
| input_dict = { | |
| "miscela": torch.Tensor(miscela)[Nessuno, Nessuno, :].to(DISPOSITIVO), | |
| "condizione": condizioni, | |
| } | |
| sep_segment = MODELLO.ss_model(input_dict)["forma d'onda"] | |
| sep_segment = sep_segment.squeeze(0).squeeze(0).data.cpu().numpy() | |
| restituisci 32000, np.round(sep_segment * 32767).astype(np.int16) | |
| con gr.Blocks(title="AudioSep") come demo: | |
| gr.Markdown(descrizione) | |
| con gr.Row(): | |
| con gr.Column(): | |
| input_audio = gr.Audio(label="Mixture", type="filepath") | |
| testo = gr.Textbox(label="Query di testo") | |
| con gr.Column(): | |
| con gr.Column(): | |
| output_audio = gr.Audio(label="Risultato di separazione", scale=10) | |
| pulsante = gr.Pulsante( | |
| "Separato", | |
| variante="primario", | |
| scala=2, | |
| dimensione="lg", | |
| interattivo=Vero, | |
| ) | |
| pulsante.clicca( | |
| fn=inferenza, input=[input_audio, testo], output=[output_audio] | |
| ) | |
| gr.Markdown("## Esempi") | |
| gr.Examples(esempi=ESEMPI, input=[input_audio, testo]) | |
| demo.queue().launch(condividi=True) |