add reference text

app.py

@@ -25,15 +25,18 @@ model = load_model(
 
 
 @spaces.GPU
-def infer(ref_audio_orig: str, gen_text: str, speed: float = 1.0):
+def infer(ref_audio_orig: str, ref_text: str, gen_text: str, speed: float = 1.0):
     if ref_audio_orig is None:
         raise gr.Error("Reference audio is required.")
 
     if gen_text is None or gen_text.strip() == "":
         raise gr.Error("Text to generate is required.")
+    
+    if ref_text is None or ref_text.strip() == "":
+        raise gr.Error("Ref Text is required.")
 
     try:
-        ref_audio, ref_text = preprocess_ref_audio_text(ref_audio_orig, "")
+        ref_audio, ref_text = preprocess_ref_audio_text(ref_audio_orig, ref_text)
         final_wave, final_sample_rate, combined_spectrogram = infer_process(
             ref_audio,
             ref_text,
@@ -62,6 +65,7 @@ iface = gr.Interface(
     fn=infer,
     inputs=[
         gr.components.Audio(type="filepath", label="Reference Audio"),
+        gr.components.Textbox(label="Reference audio text", lines=3),
         gr.components.Textbox(label="Text to Generate", lines=3),
         gr.components.Slider(
             label="Speed",
@@ -83,11 +87,13 @@ iface = gr.Interface(
         [
             "examples/pc-01.wav",
             "để hiểu sâu sắc một sự việc, một vấn đề, từ đó khai thác được tốt hơn quá trình hình thành nên vấn đề",
+            "Bà Lê Lan Chi, Tổng giám đốc Zalopay cho biết ứng dụng đã có một năm nhiều dấu ấn khi đồng hành với hàng triệu người dùng",
             0.8,
         ],
         [
             "examples/pc-02.wav",
             "có nghĩa là cảm xúc là vốn có, là tức thời, là bản năng, đối với một sự việc con người có những phản ứng hay cảm xúc khác nhau",
+            "Bạn đã nhận được thanh toán thành công số tiền ba mươi ngàn đồng",
             1.0,
         ],
     ],

examples/pc-01.wav

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:5e27481cae3accd432adda8cf9a34ef553970c882e5adc8ff2b1169deb7af445
-size 609910
+oid sha256:56d9c08fb1fe301d792ea5c9b2d444bfccfd9d44e182917e4a1f9262d1312d2d
+size 389198

examples/pc-02.wav

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:b1f6590113afa83c71fc5be66d941e671da0d73d024eabdd114c93b466a372ea
-size 823434
+oid sha256:a7cbb7046a690f83df184f0659d544dd5d879c7631ab12da7c05aa204b7b1741
+size 336974