Update app.py

app.py

@@ -1,53 +1,139 @@
-import gradio as gr
 import os
+import gradio as gr
+import shutil
+
+# تنظیم مسیرهای موقت برای جلوگیری از خطای دسترسی
+os.environ["TEMP"] = "/tmp"
+os.environ["TMPDIR"] = "/tmp"
+
+# ایمپورت اصلی پس از تنظیم متغیرهای محیطی
 from rvc_python.infer import RVCInference
 
 def rvc_process(audio_path, model_file, index_file, pitch_change, f0_method):
+    """
+    تابع اصلی پردازش صدا
+    """
+    # بررسی ورودی‌ها
     if not audio_path:
-        return None, "⚠️ صدا وارد نشده است."
+        return None, "⚠️ خطا: لطفاً صدای ورودی را ضبط یا آپلود کنید."
+    
     if not model_file:
-        return None, "⚠️ فایل مدل (.pth) آپلود نشده است."
+        return None, "⚠️ خطا: لطفاً فایل مدل (.pth) را آپلود کنید."
 
     try:
-        # در نسخه‌های قدیمی‌تر Gradio فایل‌ها هندلرهای متفاوتی دارند
-        # اینجا سعی می‌کنیم نام فایل را به درستی بگیریم
+        # 1. استخراج مسیر فایل‌ها
+        # در نسخه‌های مختلف Gradio، فایل آپلود شده ممکن است string مسیر باشد یا شیء فایل
         model_path = model_file.name if hasattr(model_file, 'name') else model_file
-        index_path = index_file.name if (index_file and hasattr(index_file, 'name')) else index_file
-
-        print(f"Processing Model: {model_path}")
+        index_path = None
         
-        # اجرا روی CPU
+        if index_file:
+            index_path = index_file.name if hasattr(index_file, 'name') else index_file
+
+        print(f"--- شروع پردازش ---")
+        print(f"مدل: {model_path}")
+        print(f"صدا: {audio_path}")
+        print(f"پیچ: {pitch_change}")
+
+        # 2. راه‌اندازی RVC
+        # نکته: در نسخه رایگان HF فقط CPU داریم
         rvc = RVCInference(device="cpu")
         
+        # 3. بارگذاری مدل
         rvc.load_model(model_path)
-        output_path = "output.wav"
         
+        # 4. تعیین مسیر خروجی در پوشه tmp (برای دسترسی نوشتن)
+        output_path = "/tmp/output_converted.wav"
+        
+        # پاک کردن خروجی قبلی اگر وجود داشته باشد
+        if os.path.exists(output_path):
+            os.remove(output_path)
+        
+        # 5. اجرای تبدیل (Inference)
         rvc.infer_file(
             input_path=audio_path,
             output_path=output_path,
-            f0_up_key=int(pitch_change),
-            index_path=index_path,
-            f0_method=f0_method,
-            index_rate=0.75 if index_path else 0,
-            protect=0.33
+            f0_up_key=int(pitch_change),      # تغییر گام
+            index_path=index_path,            # فایل ایندکس (اختیاری)
+            f0_method=f0_method,              # متد پردازش
+            index_rate=0.75 if index_path else 0, # تاثیر ایندکس (اگر باشد)
+            protect=0.33                      # حفاظت از فرکانس‌های پایین
         )
-        return output_path, "✅ تمام شد!"
+        
+        print("✅ تبدیل با موفقیت انجام شد.")
+        return output_path, "✅ تبدیل موفقیت‌آمیز بود! فایل آماده پخش است."
 
     except Exception as e:
-        return None, f"❌ خطا: {str(e)}"
-
-# رابط کاربری (استایل کلاسیک)
-with gr.Interface(
-    fn=rvc_process,
-    inputs=[
-        gr.Audio(type="filepath", label="ورودی صدا"),
-        gr.File(label="فایل مدل (.pth)"),
-        gr.File(label="فایل ایندکس (.index)"),
-        gr.Slider(-12, 12, value=0, step=1, label="Pitch"),
-        gr.Dropdown(["rmvpe", "pm"], value="rmvpe", label="الگوریتم")
-    ],
-    outputs=[gr.Audio(label="خروجی"), gr.Textbox(label="پیام")],
-    title="RVC Custom Model Loader",
-    description="برای استفاده: فایل .pth مدل خود را آپلود کنید."
-) as demo:
+        error_msg = f"❌ خطا در پردازش: {str(e)}"
+        print(error_msg)
+        return None, error_msg
+
+# --- رابط کاربری Gradio ---
+with gr.Blocks(title="RVC Web Inference", theme=gr.themes.Soft()) as demo:
+    
+    gr.Markdown("""
+    # 🎵 پردازنده RVC (آپلود مستقیم)
+    
+    با استفاده از این ابزار می‌توانید:
+    1. صدای خود را ضبط یا آپلود کنید.
+    2. فایل مدل RVC (`.pth`) خود را آپلود کنید.
+    3. صدای خود را به صدای مدل تبدیل کنید.
+    """)
+    
+    with gr.Row():
+        # ستون اول: ورودی‌ها
+        with gr.Column(scale=1):
+            gr.Markdown("### 📥 ورودی‌ها")
+            
+            audio_input = gr.Audio(
+                label="1. صدای ورودی (میکروفون یا فایل)",
+                type="filepath"
+            )
+            
+            model_input = gr.File(
+                label="2. فایل مدل (.pth)",
+                file_types=[".pth"],
+                file_count="single"
+            )
+            
+            index_input = gr.File(
+                label="3. فایل ایندکس (.index) [اختیاری]",
+                file_types=[".index"],
+                file_count="single"
+            )
+            
+            gr.Markdown("### ⚙️ تنظیمات")
+            
+            pitch_slider = gr.Slider(
+                minimum=-12, 
+                maximum=12, 
+                step=1, 
+                value=0, 
+                label="تغییر گام (Pitch)",
+                info="اگر مدل زن است و شما مرد هستید: +12 | برعکس: -12"
+            )
+            
+            method_drop = gr.Dropdown(
+                choices=["rmvpe", "pm", "crepe"], 
+                value="rmvpe", 
+                label="الگوریتم پردازش",
+                info="rmvpe بهترین کیفیت را دارد اما کمی کندتر است."
+            )
+            
+            convert_btn = gr.Button("🚀 شروع تبدیل صدا", variant="primary", size="lg")
+
+        # ستون دوم: خروجی
+        with gr.Column(scale=1):
+            gr.Markdown("### 🎧 خروجی")
+            audio_output = gr.Audio(label="صدای تبدیل شده", type="filepath")
+            status_output = gr.Textbox(label="وضعیت عملیات", lines=2)
+
+    # اتصال دکمه به تابع
+    convert_btn.click(
+        fn=rvc_process,
+        inputs=[audio_input, model_input, index_input, pitch_slider, method_drop],
+        outputs=[audio_output, status_output]
+    )
+
+# اجرای برنامه
+if __name__ == "__main__":
     demo.queue().launch(server_name="0.0.0.0", server_port=7860)