Update app.py

app.py

@@ -2,56 +2,95 @@ import gradio as gr
 import torch
 import os
 import soundfile as sf
-import numpy as np
 import librosa
-import warnings
+import logging
 import tempfile
+import traceback
+from datetime import datetime
 from DPTNet_eval.DPTNet_quant_sep import load_dpt_model, dpt_sep_process
 
-# 過濾警告訊息
-warnings.filterwarnings("ignore", category=UserWarning)
-warnings.filterwarnings("ignore", category=FutureWarning)
-
-# 加載模型（全局變量）
-model = load_dpt_model()
+# 配置日志系统
+logging.basicConfig(
+    filename='app.log',
+    level=logging.INFO,
+    format='%(asctime)s - %(levelname)s - %(message)s'
+)
+logger = logging.getLogger(__name__)
+
+# 全局模型加载（避免重复加载）
+try:
+    logger.info("開始加載語音分離模型...")
+    model = load_dpt_model()
+    logger.info("模型加載成功")
+except Exception as e:
+    logger.error(f"模型加載失敗: {str(e)}")
+    raise RuntimeError("模型初始化失敗") from e
 
 def separate_audio(input_wav):
-    """處理音訊分離的主要函數"""
+    """處理音訊分離的主函數"""
+    process_id = datetime.now().strftime("%Y%m%d%H%M%S%f")
+    temp_wav = None
+    
     try:
-        # 步驟 1：讀取音訊並標準化格式
+        logger.info(f"[{process_id}] 開始處理檔案: {input_wav}")
+        
+        # 1. 驗證輸入檔案
+        if not os.path.exists(input_wav):
+            raise gr.Error("檔案不存在，請重新上傳")
+        if os.path.getsize(input_wav) > 50 * 1024 * 1024:  # 50MB限制
+            raise gr.Error("檔案大小超過50MB限制")
+
+        # 2. 讀取並標準化音訊
+        logger.info(f"[{process_id}] 讀取音訊檔案...")
         data, sr = librosa.load(input_wav, sr=None, mono=True)
         
-        # 步驟 2：強制重採樣到 16kHz
+        # 3. 重採樣處理
         if sr != 16000:
+            logger.info(f"[{process_id}] 重採樣從 {sr}Hz 到 16000Hz...")
             data = librosa.resample(data, orig_sr=sr, target_sr=16000)
             sr = 16000
-        
-        # 步驟 3：生成唯一臨時檔案
+
+        # 4. 創建臨時檔案
         with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as tmp_file:
             temp_wav = tmp_file.name
+            logger.info(f"[{process_id}] 寫入臨時檔案: {temp_wav}")
             sf.write(temp_wav, data, sr, subtype='PCM_16')
 
-        # 步驟 4：執行語音分離
-        outfilename = "output.wav"
+        # 5. 執行語音分離
+        logger.info(f"[{process_id}] 開始語音分離...")
+        out_dir = tempfile.mkdtemp()  # 使用臨時目錄存放輸出
+        outfilename = os.path.join(out_dir, "output.wav")
+        
         dpt_sep_process(temp_wav, model=model, outfilename=outfilename)
         
-        # 步驟 5：清理臨時檔案
-        os.remove(temp_wav)
-
-        # 步驟 6：驗證輸出檔案存在
+        # 6. 獲取輸出檔案
         output_files = [
             outfilename.replace('.wav', '_sep1.wav'),
             outfilename.replace('.wav', '_sep2.wav')
         ]
+        logger.info(f"[{process_id}] 預期輸出檔案: {output_files}")
+
+        # 7. 驗證輸出
         if not all(os.path.exists(f) for f in output_files):
-            raise gr.Error("分離過程中發生錯誤，請檢查輸入檔案格式！")
+            missing = [f for f in output_files if not os.path.exists(f)]
+            raise gr.Error(f"分離失敗，缺失檔案: {missing}")
 
+        logger.info(f"[{process_id}] 處理完成")
         return output_files
 
     except Exception as e:
-        # 錯誤處理
-        error_msg = f"處理失敗：{str(e)}"
-        raise gr.Error(error_msg) from e
+        error_msg = f"[{process_id}] 處理錯誤: {str(e)}\n{traceback.format_exc()}"
+        logger.error(error_msg)
+        raise gr.Error(f"處理失敗: {str(e)}") from e
+
+    finally:
+        # 清理臨時檔案
+        if temp_wav and os.path.exists(temp_wav):
+            try:
+                os.remove(temp_wav)
+                logger.info(f"[{process_id}] 已清理臨時檔案")
+            except Exception as clean_err:
+                logger.warning(f"[{process_id}] 清理失敗: {str(clean_err)}")
 
 # 🎯 你提供的 description 內容（已轉為 HTML）
 description_html = """
@@ -97,13 +136,13 @@ description_html = """
 """
 
 if __name__ == "__main__":
-    # 配置 Gradio 介面
+    # 配置Gradio接口
     interface = gr.Interface(
         fn=separate_audio,
         inputs=gr.Audio(
             type="filepath",
-            label="請上傳混音音檔 (支援格式：mp3/wav/ogg)",
-            max_length=300  # 限制 5 分鐘長度
+            label="請上傳混音音檔 (支援格式: mp3/wav/ogg)",
+            max_length=180  # 3分鐘限制
         ),
         outputs=[
             gr.Audio(label="語音軌道 1"),
@@ -118,10 +157,13 @@ if __name__ == "__main__":
         ]
     )
 
-    # 啟動服務
+    # 啟動服務（重要參數調整）
     interface.launch(
         server_name="0.0.0.0",
         server_port=7860,
         share=False,
-        debug=False
+        debug=False,
+        max_threads=2,  # 限制並行處理數
+        enable_queue=True,  # 啟用隊列系統
+        auth=("user", "pass") if os.getenv("HF_SPACE") else None  # 生產環境加權限
     )