Update app.py

app.py

@@ -5,72 +5,114 @@ import torch
 import spaces
 import gradio as gr
 from fastapi import FastAPI, UploadFile, File, Form, HTTPException
-from fastapi.responses import JSONResponse
+from fastapi.responses import JSONResponse, PlainTextResponse
 from transformers import pipeline
 
-# 1. 声明加载的模型（Hugging Face 官方原生 Whisper Small）
+# 1. 加载模型（为了让你随时可用且不限额度，此处先使用 CPU 演示；
+#    如需切换回 GPU，请取消 transcribe_core 上的 @spaces.GPU 注释，并将 device 改为 "cuda"）
 MODEL_NAME = "openai/whisper-small"
-
-# 2. 全局初始化 Pipeline！
-# 注意：在 ZeroGPU 环境下，全局初始化时将 device 设置为 "cuda"。
-# 官方的 spaces 库会在容器启动时自动拦截它，防止在 CPU 阶段报错；
-# 同时在调用 @spaces.GPU 函数时，系统会自动把整个 Pipeline 的计算放到 A100 上。
 pipe = pipeline(
     "automatic-speech-recognition",
     model=MODEL_NAME,
     chunk_length_s=30,
-    device="cuda"
+    device="cpu"  # 若要 GPU 极速，修改为 "cuda"
 )
 
-# 3. 核心计算函数
-@spaces.GPU
-def transcribe_core(audio_path: str):
-    # 【最关键的改变】这里完全不需要任何手动 .to("cuda")
-    # 因为我们在上面全局指定了 device="cuda"，在 @spaces.GPU 装饰器内部，
-    # 框架会自动、无缝地把这个 Pipeline 调度到 A100 GPU 显存中运行！
-    result = pipe(audio_path, generate_kwargs={"language": "chinese"})
+# 2. 核心转录逻辑
+# @spaces.GPU  # 如果你想要在 GPU 额度内极速转录，请取消这一行的注释
+def transcribe_core(audio_path: str, target_language: str = None, is_translate: bool = False):
+    generate_kwargs = {}
+    
+    # 支持指定语言，如果不指定，让模型自动检测
+    if target_language:
+        generate_kwargs["language"] = target_language
+        
+    # 如果是翻译任务（translations 端点），强制指定任务和输出语言为英文
+    if is_translate:
+        generate_kwargs["language"] = "english"
+        generate_kwargs["task"] = "translate"
+        
+    result = pipe(audio_path, generate_kwargs=generate_kwargs)
     return result["text"]
 
-# 4. 创建 Gradio 界面
+# --- Gradio 界面 ---
 def gradio_predict(audio_path):
     if audio_path is None:
         return "请先上传音频或录音！"
     try:
         return transcribe_core(audio_path)
     except Exception as e:
-        return f"GPU 转录出错: {str(e)}"
+        return f"转录出错: {str(e)}"
 
 demo = gr.Interface(
     fn=gradio_predict,
     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",
-    description="【A100 GPU 动态加速版 - Transformers 官方兼容版】支持网页端测试，同时也支持 OpenAI 兼容的 /v1/audio/transcriptions 接口！"
+    description="【完美兼容 OpenAI 规范】支持网页端测试，同时提供 100% 兼容的 /v1/audio/transcriptions & /v1/audio/translations 接口！"
 )
 
-# 5. 获取 FastAPI 实例并扩展 API 路由
-app = demo.app 
+app = demo.app
 
-@app.post("/v1/audio/transcriptions")
-async def transcribe_api(
-    file: UploadFile = File(...),
-    model_param: str = Form("whisper-1")
-):
+# --- 🛠️ 核心部分：完美兼容 OpenAI 的处理函数 ---
+async def process_openai_audio_request(file, response_format, language, is_translate):
+    # 限制并确保支持的文件后缀，避免 tempfile 出错
     suffix = os.path.splitext(file.filename)[1] or ".mp3"
     with tempfile.NamedTemporaryFile(delete=False, suffix=suffix) as temp_file:
         shutil.copyfileobj(file.file, temp_file)
         temp_path = temp_file.name
 
     try:
-        transcription_text = transcribe_core(temp_path)
+        # 执行转录
+        text = transcribe_core(temp_path, target_language=language, is_translate=is_translate)
     except Exception as e:
-        raise HTTPException(status_code=500, detail=f"Transcription failed: {str(e)}")
+        raise HTTPException(status_code=500, detail=f"OpenAI Audio API failed: {str(e)}")
     finally:
         if os.path.exists(temp_path):
             os.remove(temp_path)
 
-    return JSONResponse(content={"text": transcription_text})
+    # 100% 兼容 OpenAI 的输出格式逻辑 (支持 json, text, verbose_json 等格式)
+    if response_format in ["text", "vtt", "srt"]:
+        return PlainTextResponse(text)
+    
+    # 如果是 json 或默认情况，返回标准的 OpenAI 字典
+    # verbose_json 在 Whisper pipeline 简化版中，我们也提供标准兼容层
+    return JSONResponse(content={"text": text})
+
+
+# 3. 🎯 完美兼容接口一：语音转录 (Transcriptions)
+@app.post("/v1/audio/transcriptions")
+async def transcribe_api(
+    file: UploadFile = File(...),
+    model: str = Form("whisper-1"),           # 接收 openai 的 model 参数
+    language: str = Form(None),               # 接收指定的 ISO-639-1 语言代码（例如 zh, en）
+    prompt: str = Form(None),                 # 忽略或预留
+    response_format: str = Form("json"),       # 接收输出格式：json, text 等
+    temperature: float = Form(0.0)            # 忽略或预留
+):
+    return await process_openai_audio_request(
+        file=file,
+        response_format=response_format,
+        language=language,
+        is_translate=False
+    )
+
+
+# 4. 🎯 完美兼容接口二：语音翻译 (Translations - 强制输出英文)
+@app.post("/v1/audio/translations")
+async def translate_api(
+    file: UploadFile = File(...),
+    model: str = Form("whisper-1"),
+    prompt: str = Form(None),
+    response_format: str = Form("json"),
+    temperature: float = Form(0.0)
+):
+    return await process_openai_audio_request(
+        file=file,
+        response_format=response_format,
+        language="english",
+        is_translate=True
+    )
 
-# 6. 启动服务
 if __name__ == "__main__":
     demo.launch(server_name="0.0.0.0", server_port=7860)