Update app.py

app.py

@@ -3,6 +3,9 @@ import torch
 import torchaudio
 import tempfile
 import os
+import numpy as np
+import librosa
+import soundfile as sf
 from speechbrain.inference import SepformerSeparation as separator
 
 # Load model
@@ -16,25 +19,12 @@ def separate_audio(audio_file):
         return None, None
     
     try:
-        waveform, sample_rate = torchaudio.load(audio_file, backend="soundfile")
+        # Dùng librosa để load — hỗ trợ mọi định dạng và tần số
+        waveform, sample_rate = librosa.load(audio_file, sr=8000, mono=True)
         
-        # Resample về 8kHz nếu cần
-        if sample_rate != 8000:
-            resampler = torchaudio.transforms.Resample(
-                orig_freq=sample_rate,
-                new_freq=8000
-            )
-            waveform = resampler(waveform)
-            sample_rate = 8000
-        
-        # Chuyển về mono nếu stereo
-        if waveform.shape[0] > 1:
-            waveform = waveform.mean(dim=0, keepdim=True)
-        
-        # Lưu file tạm
-        with tempfile.NamedTemporaryFile(suffix=".wav", delete=False, dir="/tmp") as tmp:
-            torchaudio.save(tmp.name, waveform, sample_rate)
-            tmp_path = tmp.name
+        # Lưu file tạm về 8kHz
+        tmp_path = "/tmp/input.wav"
+        sf.write(tmp_path, waveform, 8000)
         
         # Tách nguồn âm
         est_sources = model.separate_file(path=tmp_path)
@@ -46,8 +36,6 @@ def separate_audio(audio_file):
         torchaudio.save(source1_path, est_sources[:, :, 0].detach().cpu(), 8000)
         torchaudio.save(source2_path, est_sources[:, :, 1].detach().cpu(), 8000)
         
-        os.unlink(tmp_path)
-        
         return source1_path, source2_path
     
     except Exception as e:
@@ -75,7 +63,7 @@ Demo ứng dụng kiến trúc SepFormer cho bài toán phân tách nguồn âm
 
 **Lưu ý:** Hỗ trợ định dạng WAV, MP3, FLAC. Mọi tần số lấy mẫu đều được tự động chuyển về 8kHz.
 
-> ⚠️ **Khuyến nghị:** Nên sử dụng file âm thanh có tần số lấy mẫu **8kHz** để đạt chất lượng phân tách tốt nhất. File có tần số cao hơn (16kHz, 44.1kHz...) sẽ được tự động resample về 8kHz, tuy nhiên có thể ảnh hưởng đến chất lượng đầu ra.
+> ⚠️ **Khuyến nghị:** Nên sử dụng file âm thanh có tần số lấy mẫu **8kHz** để đạt chất lượng phân tách tốt nhất.
     """
 )