Update app.py

app.py

@@ -1,13 +1,43 @@
 import gradio as gr
 import torch
 from DPTNet_eval.DPTNet_quant_sep import load_dpt_model, dpt_sep_process
+import os
+import soundfile as sf
+import numpy as np
+import librosa
+import warnings
 
 # 加載模型
 model = load_dpt_model()
 
 def separate_audio(input_wav):
+    """
+    Gradio Audio(filepath) → 處理 → 回傳兩個分離後的音檔路徑
+    """
+    file_extension = os.path.splitext(input_wav)[1].lower()
+    
+    # 如果是 MP3 或其他格式，先轉成 WAV
+    if file_extension != ".wav":
+        data, sr = sf.read(input_wav)
+
+        # 轉單聲道
+        if len(data.shape) > 1:
+            data = data.mean(axis=1)
+
+        # 重採樣到 16kHz
+        if sr != 16000:
+            data = librosa.resample(data, orig_sr=sr, target_sr=16000)
+
+        # 存成 WAV
+        sf.write("input.wav", data, 16000)
+        wav_path = "input.wav"
+    else:
+        wav_path = input_wav
+
+    # 分離語音
     outfilename = "output.wav"
-    dpt_sep_process(input_wav, model=model, outfilename=outfilename)
+    dpt_sep_process(wav_path, model=model, outfilename=outfilename)
+
     return (
         outfilename.replace('.wav', '_sep1.wav'),
         outfilename.replace('.wav', '_sep2.wav')
@@ -25,14 +55,14 @@ description_html = """
   <a href='http://deeplearning101.twman.org' target='_blank'>Deep Learning 101</a>
 </div>
 
-<br><br>
+<br>
 
 ### 🔍 使用方式：
 - 上傳一段包含兩人對話的混音音檔（支援 `.mp3`, `.wav`）
 - 點擊「Separate」按鈕
 - 分離出兩個說話人的音軌
 
-<br><br>
+<br>
 
 ### 📘 相關技術文章：
 <ul>
@@ -69,4 +99,4 @@ if __name__ == "__main__":
         allow_flagging="never"
     )
 
-    interface.launch()
+    interface.launch(debug=True)