Update app.py

app.py

@@ -1,85 +1,82 @@
-from pathlib import Path
-from threading import Thread
+da pathlib importa Percorso
+da threading importa Thread
 
-import gdown
-import gradio as gr
-import librosa
-import numpy as np
-import torch
+importa gdown
+importa gradio come gr
+importare librosa
+importa numpy come np
+importare torcia
 
-from gradio_examples import EXAMPLES
-from pipeline import build_audiosep
+da gradio_examples importa ESEMPI
+da pipeline importa build_audiosep
 
-CHECKPOINTS_DIR = Path("checkpoint")
+CHECKPOINTS_DIR = Percorso("punto di controllo")
 
-DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+DISPOSITIVO = torch.device("cuda" se torch.cuda.is_available() altrimenti "cpu")
 
-# The model will be loaded in the future
+# Il modello verrà caricato in futuro
 MODEL_NAME = CHECKPOINTS_DIR / "audiosep_base_4M_steps.ckpt"
-MODEL = build_audiosep(
+MODELLO = build_audiosep(
     config_yaml="config/audiosep_base.yaml",
-    checkpoint_path=MODEL_NAME,
-    device=DEVICE,
+    checkpoint_path=NOME_MODELLO,
+    dispositivo=DISPOSITIVO,
 )
 
 
-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)
+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 is a foundation model for open-domain sound separation with natural language queries.
-AudioSep demonstrates strong separation performance and impressive zero-shot generalization ability on
-numerous tasks such as audio event separation, musical instrument separation, and speech enhancement.
+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(audio_file_path: str, text: str, use_advanced: bool):
-    print(f"Separate audio from [{audio_file_path}] with textual query [{text}] and advanced mode [{use_advanced}]")
-    mixture, _ = librosa.load(audio_file_path, sr=32000, mono=True)
+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)
 
-    with torch.no_grad():
-        text = [text]
+    con torch.no_grad():
+        testo = [testo]
 
-        conditions = MODEL.query_encoder.get_query_embed(
-            modality="text", text=text, device=DEVICE
+        condizioni = MODELLO.query_encoder.get_query_embed(
+            modalità="testo", testo=testo, dispositivo=DISPOSITIVO
         )
 
         input_dict = {
-            "mixture": torch.Tensor(mixture)[None, None, :].to(DEVICE),
-            "condition": conditions,
+            "miscela": torch.Tensor(miscela)[Nessuno, Nessuno, :].to(DISPOSITIVO),
+            "condizione": condizioni,
         }
 
-        if use_chunk:
-            sep_segment = model.ss_model.chunk_inference(input_dict)
-            sep_segment = np.squeeze(sep_segment)
-        else:
-            sep_segment = model.ss_model(input_dict)["waveform"]
-            sep_segment = sep_segment.squeeze(0).squeeze(0).data.cpu().numpy()
+        sep_segment = MODELLO.ss_model(input_dict)["forma d'onda"]
 
-        return 32000, np.round(sep_segment * 32767).astype(np.int16)
+        sep_segment = sep_segment.squeeze(0).squeeze(0).data.cpu().numpy()
 
+        restituisci 32000, np.round(sep_segment * 32767).astype(np.int16)
 
-with gr.Blocks(title="AudioSep") as demo:
-    gr.Markdown(description)
-    with gr.Row():
-        with gr.Column():
+
+con gr.Blocks(title="AudioSep") come demo:
+    gr.Markdown(descrizione)
+    con gr.Row():
+        con gr.Column():
             input_audio = gr.Audio(label="Mixture", type="filepath")
-            text = gr.Textbox(label="Text Query")
-            use_chunk = gr.Checkbox(label="Use Chunk Mode (Less Quality but Less Memory Used)", value=False)
-        with gr.Column():
-            output_audio = gr.Audio(label="Separation Result", scale=10)
-            button = gr.Button(
-                "Separate",
-                variant="primary",
-                scale=2,
-                size="lg",
-                interactive=True,
-            )
-            button.click(
-                fn=inference, inputs=[input_audio, text, use_chunk], outputs=[output_audio]
-            )
-
-    gr.Markdown("## Examples")
-    gr.Examples(examples=EXAMPLES, inputs=[input_audio, text])
-
-demo.queue().launch(share=True)
+            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)