Update app.py

app.py

@@ -1,18 +1,14 @@
 import gradio as gr
 from transformers import pipeline
-from PIL import Image
-from pydub import AudioSegment
-from pydub.playback import play
-import io
 
 # 이미지 인식 파이프라인 로드
 model = pipeline("image-classification", model="google/vit-base-patch16-224")
 
-# 카테고리에 따른 사운드 파일 경로를 정의
-sound_files = {
-    "dog": "dog_bark.mp3",
-    "cat": "cat_meow.mp3",
-    # ... 각 카테고리에 대한 사운드 파일 경로 추가
+# 카테고리에 따른 사운드 파일 URL을 정의
+sound_urls = {
+    "dog": "https://example.com/dog_bark.mp3",
+    "cat": "https://example.com/cat_meow.mp3",
+    # ... 각 카테고리에 대한 사운드 파일 URL 추가
 }
 
 def classify_image(uploaded_image):
@@ -20,20 +16,18 @@ def classify_image(uploaded_image):
     # 가장 확률이 높은 예측 결과를 가져옴
     top_prediction = predictions[0]['label']
     
-    # 예측 결과에 해당하는 사운드 파일을 재생
-    if top_prediction in sound_files:
-        sound_path = sound_files[top_prediction]
-        sound = AudioSegment.from_file(sound_path)
-        play(sound)
-
-    return {prediction['label']: prediction['score'] for prediction in predictions}
+    # 예측 결과에 해당하는 사운드 파일의 URL을 반환
+    sound_url = sound_urls.get(top_prediction, None)
+    return top_prediction, sound_url
 
 # Gradio 인터페이스 생성
-iface = gr.Interface(fn=classify_image,
-                     inputs=gr.Image(type="pil"),
-                     outputs=gr.Label(num_top_classes=3),
-                     title="이미지 분류 및 사운드 재생",
-                     description="이미지를 업로드하면, 사물을 인식하고 해당하는 음향을 재생합니다.")
+iface = gr.Interface(
+    fn=classify_image,
+    inputs=gr.Image(type="pil"),
+    outputs=[gr.Label(), gr.Audio()],
+    title="이미지 분류 및 사운드 재생",
+    description="이미지를 업로드하면, 사물을 인식하고 해당하는 사운드의 URL을 반환합니다."
+)
 
 # 인터페이스 실행
 iface.launch()