app.py

import gradio as gr
from transformers import pipeline
from gradio_client import Client  # 가정: gradio_client 라이브러리가 사용 가능하다.

# 이미지 인식 파이프라인 로드
image_model = pipeline("image-classification", model="google/vit-base-patch16-224")

def generate_music(prompt):
    # 음악 생성 API 호출
    client = Client("https://haoheliu-audioldm2-text2audio-text2music.hf.space/")
    result = client.predict(
        prompt,
        prompt,  # 음성 생성에 사용될 프롬프트
        5,  # 음악의 길이 (초)
        0,  # 가이던스 스케일
        5,  # 시드 값
        1,  # 생성할 waveform의 수
        fn_index=1  # 함수 인덱스
    )
    # API 호출 결과 처리
    return result

def generate_voice(prompt):
    # Tango API를 사용하여 음성 생성
    client = Client("https://declare-lab-tango.hf.space/")
    result = client.predict(
        prompt,  # 이미지 분류 결과를 프롬프트로 사용
        100,  # Steps
        1,  # Guidance Scale
        api_name="/predict"  # API 엔드포인트 경로
    )
    # Tango API 호출 결과 처리
    # 예: result에서 음성 파일 URL 또는 데이터 추출
    return result

def classify_and_generate_voice(uploaded_image):
    # 이미지 분류
    predictions = image_model(uploaded_image)
    top_prediction = predictions[0]['label']  # 가장 확률이 높은 분류 결과
    
    # 음성 생성
    voice_result = generate_voice(top_prediction)
    # 음악 생성
    music_result = generate_music("Generate music for: " + top_prediction)
    
    # 반환된 음성 및 음악 결과를 Gradio 인터페이스로 전달
    # 예: voice_result['url'] 또는 voice_result['audio_data'] 등
    return top_prediction, voice_result, music_result
    
# Gradio 인터페이스 생성
iface = gr.Interface(
    fn=classify_and_generate_voice,
    inputs=gr.Image(type="pil"),
    outputs=[gr.Label(), gr.Audio()],
    title="msVision_3",
    description="이미지를 업로드하면, 사물을 인식하고 해당하는 음성을 생성합니다.(recognizes the object and generate voice)",
    examples=["dog.jpg", "cat.png", "cafe.jpg"]  # 수정된 부분: 콤마 추가
)


# 인터페이스 실행
iface.launch()