Update app.py

app.py

@@ -1,82 +1,82 @@
-da pathlib importa Percorso
-da threading importa Thread
+from pathlib import Path
+from threading import Thread
 
-importa gdown
-importa gradio come gr
-importare librosa
-importa numpy come np
-importare torcia
+import gdown
+import gradio as gr
+import librosa
+import numpy as np
+import torch
 
-da gradio_examples importa ESEMPI
-da pipeline importa build_audiosep
+from gradio_examples import EXAMPLES
+from pipeline import build_audiosep
 
-CHECKPOINTS_DIR = Percorso("punto di controllo")
+CHECKPOINTS_DIR = Path("checkpoint")
 
-DISPOSITIVO = torch.device("cuda" se torch.cuda.is_available() altrimenti "cpu")
+DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
-# Il modello verrà caricato in futuro
+# The model will be loaded in the future
 MODEL_NAME = CHECKPOINTS_DIR / "audiosep_base_4M_steps.ckpt"
-MODELLO = build_audiosep(
+MODEL = build_audiosep(
     config_yaml="config/audiosep_base.yaml",
-    checkpoint_path=NOME_MODELLO,
-    dispositivo=DISPOSITIVO,
+    checkpoint_path=MODEL_NAME,
+    device=DEVICE,
 )
 
 
-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)
+description = """
+# AudioSep: Separate Anything You Describe
+[[Project Page]](https://audio-agi.github.io/Separate-Anything-You-Describe) [[Paper]](https://audio-agi.github.io/Separate-Anything-You-Describe/AudioSep_arXiv.pdf) [[Code]](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.
+AudioSep is a foundation model for open-domain sound separation with natural language queries.
+AudioSep demonstrates strong separation performance and impressivezero-shot generalization ability on
+numerous tasks such as audio event separation, musical instrument separation, and speech enhancement.
 """
 
 
-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)
+def inference(audio_file_path: str, text: str):
+    print(f"Separate audio from [{audio_file_path}] with textual query [{text}]")
+    mixture, _ = librosa.load(audio_file_path, sr=32000, mono=True)
 
-    con torch.no_grad():
-        testo = [testo]
+    with torch.no_grad():
+        text = [text]
 
-        condizioni = MODELLO.query_encoder.get_query_embed(
-            modalità="testo", testo=testo, dispositivo=DISPOSITIVO
+        conditions = MODEL.query_encoder.get_query_embed(
+            modality="text", text=text, device=DEVICE
         )
 
         input_dict = {
-            "miscela": torch.Tensor(miscela)[Nessuno, Nessuno, :].to(DISPOSITIVO),
-            "condizione": condizioni,
+            "mixture": torch.Tensor(mixture)[None, None, :].to(DEVICE),
+            "condition": conditions,
         }
 
-        sep_segment = MODELLO.ss_model(input_dict)["forma d'onda"]
+        sep_segment = MODEL.ss_model(input_dict)["waveform"]
 
         sep_segment = sep_segment.squeeze(0).squeeze(0).data.cpu().numpy()
 
-        restituisci 32000, np.round(sep_segment * 32767).astype(np.int16)
+        return 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():
+with gr.Blocks(title="AudioSep") as demo:
+    gr.Markdown(description)
+    with gr.Row():
+        with 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,
+            text = gr.Textbox(label="Text Query")
+        with gr.Column():
+            with gr.Column():
+                output_audio = gr.Audio(label="Separation Result", scale=10)
+                button = gr.Button(
+                    "Separate",
+                    variant="primary",
+                    scale=2,
+                    size="lg",
+                    interactive=True,
                 )
-                pulsante.clicca(
-                    fn=inferenza, input=[input_audio, testo], output=[output_audio]
+                button.click(
+                    fn=inference, inputs=[input_audio, text], outputs=[output_audio]
                 )
 
-    gr.Markdown("## Esempi")
-    gr.Examples(esempi=ESEMPI, input=[input_audio, testo])
+    gr.Markdown("## Examples")
+    gr.Examples(examples=EXAMPLES, inputs=[input_audio, text])
 
-demo.queue().launch(condividi=True)
+demo.queue().launch(share=True)