Update app_colab.py

app_colab.py

@@ -213,7 +213,7 @@ def youtube_downloader_100s(
     return f"./output/{split_model}/{filename}/vocal_{filename}.wav_10.wav", f"./output/{split_model}/{filename}/instrument_{filename}.wav_10.wav"
 
 
-def convert(start_time, song_name_src, song_name_ref, check_song, auto_key, key_shift, vocal_vol, inst_vol):
+def convert(start_time, song_name_src, song_name_ref, ref_audio, check_song, auto_key, key_shift, vocal_vol, inst_vol):
   split_model = "UVR-HP5"
   song_name_ref = song_name_ref.strip().replace(" ", "")
   video_identifier = search_bilibili(song_name_ref)
@@ -223,14 +223,22 @@ def convert(start_time, song_name_src, song_name_ref, check_song, auto_key, key_
   video_identifier_src = search_bilibili(song_name_src)
   song_id_src = get_bilibili_video_id(video_identifier_src)
 
-  if os.path.isdir(f"./output/{split_model}/{song_id}")==False:
-    audio, sr = librosa.load(youtube_downloader_100s(video_identifier, song_id, split_model)[0], sr=24000, mono=True)
-    soundfile.write("audio_ref.wav", audio, sr)
-  else:
-    audio, sr = librosa.load(f"./output/{split_model}/{song_id}/vocal_{song_id}.wav_10.wav", sr=24000, mono=True)
-    soundfile.write("audio_ref.wav", audio, sr)
+  if ref_audio is None:
+      if os.path.isdir(f"./output/{split_model}/{song_id}")==False:
+        audio, sr = librosa.load(youtube_downloader_100s(video_identifier, song_id, split_model)[0], sr=24000, mono=True)
+        soundfile.write("audio_ref.wav", audio, sr)
+      else:
+        audio, sr = librosa.load(f"./output/{split_model}/{song_id}/vocal_{song_id}.wav_10.wav", sr=24000, mono=True)
+        soundfile.write("audio_ref.wav", audio, sr)
+    
+      vad("audio_ref.wav")
+  else:   
+      multi_channel_audio = AudioSegment.from_file(ref_audio, format="wav")
+
+      mono_audio = multi_channel_audio.set_channels(1)
+
+      mono_audio.export("voiced_audio.wav", format="wav")
 
-  vad("audio_ref.wav")
 
   #if os.path.isdir(f"./output/{split_model}/{song_id_src}")==False:
   audio_src, sr_src = librosa.load(youtube_downloader(video_identifier_src, song_id_src, split_model, start_time)[0], sr=24000, mono=True)
@@ -281,21 +289,22 @@ with app:
   with gr.Row():
     with gr.Column():
       with gr.Row():
-        inp1 = gr.Textbox(label="请填写想要AI翻唱的歌曲或BV号", info="直接填写BV号的得到的歌曲最匹配，也可以选择填写“歌曲名+歌手名”")
-        inp2 = gr.Textbox(label="请填写含有目标音色的歌曲或BV号", info="例如您希望使用AI周杰伦的音色，就在此处填写周杰伦的任意一首歌")
+        inp1 = gr.Textbox(label="请填写想要AI翻唱的歌曲或BV号", placeholder="七里香 周杰伦", info="直接填写BV号的得到的歌曲最匹配，也可以选择填写“歌曲名+歌手名”")
+        inp2 = gr.Textbox(label="请填写含有目标音色的歌曲或BV号", placeholder="遇见 孙燕姿", info="例如您希望使用AI周杰伦的音色，就在此处填写周杰伦的任意一首歌")
       with gr.Row():
         inp0 = gr.Number(value=0, label="起始时间 (秒)", info="此程序将自动从起始时间开始提取45秒的翻唱歌曲")
         inp3 = gr.Checkbox(label="参考音频是否为歌曲演唱，默认为是", info="如果参考音频为正常说话语音，请取消打勾", value=True)
         inp4 = gr.Checkbox(label="是否自动预测歌曲人声升降调，默认为是", info="如果需要手动调节歌曲人声升降调，请取消打勾", value=True)
-        inp5 = gr.Slider(minimum=-12, maximum=12, value=0, step=1, label="歌曲人声升降调", info="默认为0，+2为升高2个key，以此类推")
       with gr.Row():
+        inp5 = gr.Slider(minimum=-12, maximum=12, value=0, step=1, label="歌曲人声升降调", info="默认为0，+2为升高2个key，以此类推")
         inp6 = gr.Slider(minimum=-3, maximum=3, value=0, step=1, label="调节人声音量，默认为0")
         inp7 = gr.Slider(minimum=-3, maximum=3, value=0, step=1, label="调节伴奏音量，默认为0")
       btn = gr.Button("一键开启AI翻唱之旅吧💕", variant="primary")
     with gr.Column():
+      ref_audio = gr.Audio(label="您也可以选择从本地上传一段音色参考音频", info="需要为去除伴奏后的音频，建议上传长度为60~90s左右的.wav文件；如果您希望通过歌曲名自动提取参考音频，请勿在此上传音频文件", type="filepath", interactive=True)
       out = gr.Audio(label="AI歌手为您倾情演唱的歌曲", type="filepath", interactive=False)
 
-  btn.click(convert, [inp0, inp1, inp2, inp3, inp4, inp5, inp6, inp7], out)
+  btn.click(convert, [inp0, inp1, inp2, ref_audio, inp3, inp4, inp5, inp6, inp7], out)
 
   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。</center>")
   gr.HTML('''