work

ttsFB.py

@@ -18,11 +18,9 @@ def tts(lang, text):
     with torch.no_grad():
         output = model(**inputs).waveform
 
-    audio = gr.Audio(type="numpy", label="語音輸出")  # 使用 numpy 格式
-
-    # output_np = output.squeeze().cpu().numpy()  # 去除多餘維度並轉為 NumPy
-    # scipy.io.wavfile.write(f"{fileName}.wav", rate=model.config.sampling_rate, data=output_np)
-    return audio
+    output_np = output.squeeze().cpu().numpy()  # 去除多餘維度並轉為 NumPy
+    # file =  scipy.io.wavfile.write(f"{fileName}.wav", rate=model.config.sampling_rate, data=output_np)
+    return (model.config.sampling_rate, output_np)  # 返回取樣率和 NumPy 音訊數據
 
 iface = gr.Interface(
     fn=tts,
@@ -31,7 +29,8 @@ iface = gr.Interface(
         gr.Textbox(label="輸入文字 (Text)"),  # 輸入的文字
         # gr.Textbox(label="檔案名稱 (File Name)"),  # 輸入檔案名稱
     ],
-    outputs=gr.Audio(type="file", label="語音輸出")  # 輸出語音
+    outputs=gr.Audio(type="numpy", label="語音輸出"),  # 輸出語音
+    allow_flagging="never"  # 移除 Flag 按鈕
 )
 
 iface.launch()