Update app.py

app.py

@@ -25,42 +25,23 @@ except ImportError:
 inference_func = None
 if hasattr(core, "get_tts_model"):
     inference_func = core.get_tts_model
-    print("👉 使用新版函数: get_tts_model")
 elif hasattr(core, "get_tts_wav"):
     inference_func = core.get_tts_wav
-    print("👉 使用旧版函数: get_tts_wav")
 
-# --- 3. 自动寻找模型 (V5 - 增加文件大小检测) ---
+# --- 3. 自动寻找模型 ---
 def find_real_model(pattern, search_path="."):
-    print(f"🔍 开始搜索 {pattern} ...")
     candidates = []
-    
     for root, dirs, files in os.walk(search_path):
         for file in files:
-            # 必须包含文件名
-            if pattern in file:
+            if pattern in file and not file.endswith(".lock") and not file.endswith(".metadata"):
                 path = os.path.join(root, file)
-                
-                # 排除垃圾文件
-                if file.endswith(".lock"): continue
-                if file.endswith(".metadata"): continue
-                
-                # 关键：检查文件大小 (小于 10MB 的肯定是假模型)
                 size_mb = os.path.getsize(path) / (1024 * 1024)
-                if size_mb < 10: 
-                    print(f"   Skipping 小文件: {file} ({size_mb:.2f} MB)")
-                    continue
-                
-                candidates.append((path, size_mb))
-
+                if size_mb > 10: 
+                    candidates.append((path, size_mb))
     if candidates:
-        # 按大小降序排序，选最大的那个，绝对没错
         candidates.sort(key=lambda x: x[1], reverse=True)
-        best_path = candidates[0][0]
-        print(f"✅ 选中最大文件: {best_path} ({candidates[0][1]:.2f} MB)")
-        return best_path
-    
-    print(f"❌ 未找到任何匹配 {pattern} 的大文件")
+        print(f"✅ 选中模型: {candidates[0][0]}")
+        return candidates[0][0]
     return None
 
 gpt_path = find_real_model("s1v3.ckpt")
@@ -77,8 +58,6 @@ try:
         if hasattr(core, "change_sovits_weights"):
             core.change_sovits_weights(sovits_path=sovits_path)
         print("🎉 模型加载完成！")
-    else:
-        print("❌ 依然没找到模型，请检查 Files 里的文件下载情况。")
 except Exception as e:
     print(f"⚠️ 模型加载报错: {e}")
 
@@ -88,6 +67,8 @@ import gradio as gr
 
 REF_AUDIO = "ref.wav"
 REF_TEXT = "你好"
+# 关键修改：必须用中文名称，不能用 zh
+REF_LANG = "中文" 
 
 def run_predict(text):
     if not os.path.exists(REF_AUDIO):
@@ -95,12 +76,15 @@ def run_predict(text):
     
     print(f"📥 任务: {text}")
     try:
+        # 这里的参数名根据不同版本可能略有不同
+        # 我们按照最常见的旧版逻辑传递
+        # 注意：text_language 也改成了 "中文"
         generator = inference_func(
             ref_wav_path=REF_AUDIO,
             prompt_text=REF_TEXT,
-            prompt_language="zh",
+            prompt_language=REF_LANG,
             text=text,
-            text_language="zh",
+            text_language="中文",
             how_to_cut="凑四句一切",
             top_k=5, top_p=1, temperature=1, ref_free=False
         )
@@ -119,9 +103,7 @@ def run_predict(text):
 
 # --- 6. 界面 ---
 with gr.Blocks() as app:
-    gr.Markdown(f"### GPT-SoVITS V2 CPU Worker")
-    gr.Markdown(f"GPT: `{os.path.basename(gpt_path) if gpt_path else 'Missing'}`")
-    gr.Markdown(f"SoVITS: `{os.path.basename(sovits_path) if sovits_path else 'Missing'}`")
+    gr.Markdown(f"### GPT-SoVITS V2 (CPU Worker)")
     
     with gr.Row():
         inp = gr.Textbox(label="文本", value="终于成功了，这真是不容易啊。")