Update app.py

app.py

@@ -12,7 +12,7 @@ import subprocess
 import re
 import spaces
 import uuid
-import soundfile as sf  # استفاده مستقیم برای حل مشکل ذخیره‌سازی
+import soundfile as sf
 
 # فقط منابع ضروری
 downloaded_resources = {
@@ -86,7 +86,7 @@ os.makedirs("ckpts/Vevo", exist_ok=True)
 
 from models.vc.vevo.vevo_utils import VevoInferencePipeline
 
-# تابع ذخیره سازی امن (جایگزین torchaudio.save)
+# تابع ذخیره سازی امن
 def my_save_audio(waveform, output_path, sample_rate=24000):
     try:
         if isinstance(waveform, torch.Tensor):
@@ -169,7 +169,6 @@ def get_pipeline():
 
 @spaces.GPU()
 def vevo_timbre(content_wav, reference_wav):
-    # 1. ایجاد نام یکتا برای هر کاربر (جلوگیری از قاطی شدن فایل‌ها)
     session_id = str(uuid.uuid4())[:8]
     temp_content_path = f"wav/c_{session_id}.wav"
     temp_reference_path = f"wav/r_{session_id}.wav"
@@ -179,7 +178,6 @@ def vevo_timbre(content_wav, reference_wav):
         raise ValueError("Please upload audio files")
     
     try:
-        # --- پردازش و نرمال‌سازی صداها ---
         if isinstance(content_wav, tuple):
             content_sr, content_data = content_wav if isinstance(content_wav[0], int) else (content_wav[1], content_wav[0])
         else:
@@ -189,15 +187,12 @@ def vevo_timbre(content_wav, reference_wav):
             content_data = np.mean(content_data, axis=1)
         
         content_tensor = torch.FloatTensor(content_data).unsqueeze(0)
-        # مهم: استفاده از torchaudio برای ریسمپل دقیق (جلوگیری از نویز)
         if content_sr != 24000:
             content_tensor = torchaudio.functional.resample(content_tensor, content_sr, 24000)
             content_sr = 24000
         
-        # نرمال‌سازی صدا (خیلی مهم برای کیفیت)
         content_tensor = content_tensor / (torch.max(torch.abs(content_tensor)) + 1e-6) * 0.95
 
-        # --- پردازش رفرنس ---
         if isinstance(reference_wav, tuple):
             ref_sr, ref_data = reference_wav if isinstance(reference_wav[0], int) else (reference_wav[1], reference_wav[0])
         else:
@@ -213,15 +208,14 @@ def vevo_timbre(content_wav, reference_wav):
         
         ref_tensor = ref_tensor / (torch.max(torch.abs(ref_tensor)) + 1e-6) * 0.95
         
-        # استفاده از soundfile برای ذخیره (چون torchaudio در نسخه جدید ارور می‌دهد)
+        # استفاده از soundfile برای ذخیره موقت
         sf.write(temp_content_path, content_tensor.squeeze().cpu().numpy(), content_sr)
         sf.write(temp_reference_path, ref_tensor.squeeze().cpu().numpy(), ref_sr)
         
-        print(f"[{session_id}] Processing Audio ({content_tensor.shape[1]/24000:.2f}s)...")
+        print(f"[{session_id}] Processing Audio...")
         
         pipeline = get_pipeline()
         
-        # اجرای مدل روی کل فایل (بدون تکه تکه کردن)
         gen_audio = pipeline.inference_fm(
             src_wav_path=temp_content_path,
             timbre_ref_wav_path=temp_reference_path,
@@ -236,7 +230,6 @@ def vevo_timbre(content_wav, reference_wav):
         return output_path
 
     finally:
-        # پاکسازی فایل‌های موقت
         if os.path.exists(temp_content_path): os.remove(temp_content_path)
         if os.path.exists(temp_reference_path): os.remove(temp_reference_path)