Create app.py

app.py

@@ -0,0 +1,100 @@
+import gradio as gr
+import torch
+import torchaudio
+from torchaudio.transforms import Resample
+import numpy as np
+import os
+from datetime import datetime
+import soundfile as sf
+
+# بررسی وجود GPU
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+def load_audio(file_path, target_sr=16000):
+    """بارگذاری فایل صوتی و تبدیل به تنسور"""
+    try:
+        waveform, sample_rate = torchaudio.load(file_path)
+        
+        # تغییر نرخ نمونه‌برداری در صورت نیاز
+        if sample_rate != target_sr:
+            resampler = Resample(sample_rate, target_sr)
+            waveform = resampler(waveform)
+            
+        return waveform.to(device), target_sr
+    except Exception as e:
+        raise gr.Error(f"خطا در بارگذاری فایل صوتی: {str(e)}")
+
+def preprocess_audio(waveform, sr):
+    """پیش‌پردازش سیگنال صوتی"""
+    # نرمالایز کردن سیگنال
+    waveform = waveform / torch.max(torch.abs(waveform))
+    
+    # تبدیل به مونو اگر استریو باشد
+    if waveform.shape[0] > 1:
+        waveform = torch.mean(waveform, dim=0, keepdim=True)
+        
+    return waveform
+
+def clone_voice(source_audio, target_audio, output_format="wav"):
+    """عمل کلون کردن صدا"""
+    try:
+        # بارگذاری فایل‌های صوتی
+        source_waveform, source_sr = load_audio(source_audio)
+        target_waveform, target_sr = load_audio(target_audio)
+        
+        # پیش‌پردازش
+        source_waveform = preprocess_audio(source_waveform, source_sr)
+        target_waveform = preprocess_audio(target_waveform, target_sr)
+        
+        # در اینجا باید مدل تبدیل صدا اعمال شود
+        # این قسمت ساده‌سازی شده و نیاز به پیاده‌سازی واقعی دارد
+        # برای نمونه، فقط طول موج هدف را با طول موج منبع هماهنگ می‌کنیم
+        min_len = min(source_waveform.shape[1], target_waveform.shape[1])
+        converted_waveform = target_waveform[:, :min_len]
+        
+        # ذخیره فایل نتیجه
+        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+        output_filename = f"output_{timestamp}.{output_format.lower()}"
+        
+        # ذخیره با soundfile که با فرمت‌های مختلف کار می‌کند
+        sf.write(output_filename, converted_waveform.cpu().numpy().T, target_sr)
+        
+        return output_filename
+    except Exception as e:
+        raise gr.Error(f"خطا در پردازش صدا: {str(e)}")
+
+# رابط Gradio
+with gr.Blocks(title="Voice Cloner") as demo:
+    gr.Markdown("# 🎤 Voice Cloner")
+    gr.Markdown("بارگذاری فایل صوتی منبع و فایل صوتی هدف برای کلون کردن صدا")
+    
+    with gr.Row():
+        with gr.Column():
+            source_audio = gr.Audio(label="فایل صوتی منبع (صدا برای کپی کردن)", type="filepath")
+            target_audio = gr.Audio(label="فایل صوتی هدف (محتوا برای تبدیل)", type="filepath")
+            output_format = gr.Dropdown(
+                choices=["wav", "mp3"],
+                value="wav",
+                label="فرمت فایل خروجی",
+                interactive=True
+            )
+            submit_btn = gr.Button("شروع تبدیل صدا")
+        
+        with gr.Column():
+            output_audio = gr.Audio(label="فایل صوتی نتیجه", interactive=False)
+            download_link = gr.File(label="دانلود فایل نتیجه")
+    
+    submit_btn.click(
+        fn=clone_voice,
+        inputs=[source_audio, target_audio, output_format],
+        outputs=[output_audio]
+    )
+    
+    output_audio.change(
+        lambda x: gr.File(value=x),
+        inputs=[output_audio],
+        outputs=[download_link]
+    )
+
+if __name__ == "__main__":
+    demo.launch()