update

app.py

@@ -1,19 +1,19 @@
 import os
 import shutil
 import tempfile
-import spaces  # 导入 Hugging Face 的 ZeroGPU 装饰器
+import spaces
 import gradio as gr
 from fastapi import FastAPI, UploadFile, File, Form, HTTPException
 from fastapi.responses import JSONResponse
 from faster_whisper import WhisperModel
 
-# 1. 声明加载的模型大小，"small" 对中文支持很好且速度快
+# 1. 声明加载的模型大小
 MODEL_SIZE = "small"
 
-# 2. 初始化模型（将其载入内存，优先检测 CUDA）
+# 2. 初始化模型（将其加载进内存，优先检测CPU以防止启动时报错）
 model = WhisperModel(MODEL_SIZE, device="cpu", compute_type="float32")
 
-# 3. 核心转录函数（加上 @spaces.GPU 装饰器白嫖 A100/A10G 算力）
+# 3. 核心计算函数（加上 @spaces.GPU 装饰器使用 A100/A10G 算力）
 @spaces.GPU
 def transcribe_core(audio_path: str):
     # 动态将模型放到 GPU 上执行推理
@@ -24,15 +24,9 @@ def transcribe_core(audio_path: str):
     text = "".join([segment.text for segment in segments])
     return text
 
-# 4. 创建 Gradio 界面 (前端网页测试用)
-def gradio_predict(audio_path):
-    if audio_path is None:
-        return "请先上传音频或录音！"
-    return transcribe_core(audio_path)
-
-# ============ 替换第 33 行及之后的所有代码 ============
+# 4. 创建 Gradio 界面并直接绑定带有 @spaces.GPU 装饰器的函数
 demo = gr.Interface(
-    fn=gradio_predict,
+    fn=transcribe_core,  # 直接将带有 GPU 装饰器的函数绑定给 Gradio 的 fn
     inputs=gr.Audio(sources=["microphone", "upload"], type="filepath", label="输入音频"),
     outputs=gr.Textbox(label="识别出的文本"),
     title="Whisper 语音识别 API 节点",