Update app.py

app.py

@@ -1,32 +1,37 @@
 import gradio as gr
 from pydub import AudioSegment
 
-# 定义一个函数来拼接音频
-def combine_audio(target_audio, mixed_audio):
+# 处理音频函数
+def combine_audio_with_time(target_audio, mixed_audio):
     # 加载目标说话人的样本音频
     target_audio_segment = AudioSegment.from_wav(target_audio.name)
 
     # 加载混合音频
     mixed_audio_segment = AudioSegment.from_wav(mixed_audio.name)
 
+    # 记录目标说话人音频的时间点（精确到0.01秒）
+    target_start_time = len(mixed_audio_segment) / 1000  # 秒为单位，精确到 0.01 秒
+
     # 将目标说话人的音频片段添加到混合音频的最后
     final_audio = mixed_audio_segment + target_audio_segment
 
-    # 保存并返回输出音频
-    output_path = "final_output.wav"
-    final_audio.export(output_path, format="wav")
-    return output_path
+    # 保存拼接后的音频并返回时间点
+    final_audio.export("final_output.wav", format="wav")
+
+    return "final_output.wav", target_start_time
 
-# 创建 Gradio 接口
+# Gradio 接口
 interface = gr.Interface(
-    fn=combine_audio,  # 处理音频的函数
+    fn=combine_audio_with_time,
     inputs=[
-        gr.inputs.File(label="目标说话人音频"),  # 上传目标说话人音频
-        gr.inputs.File(label="混合音频")          # 上传混合音频
+        gr.File(label="目标说话人音频"),  # 上传目标说话人音频
+        gr.File(label="混合音频")          # 上传混合音频
+    ],
+    outputs=[
+        gr.Audio(label="输出音频"),          # 返回拼接后的音频文件
+        gr.Textbox(label="目标音频起始时间")  # 显示目标音频的起始时间
     ],
-    outputs=gr.outputs.File(label="输出音频"),  # 输出最终合成的音频文件
     live=False
 )
 
-# 启动 Gradio 应用
 interface.launch()