# 使用Gradio Python客户端构建FastAPI应用 Tags: CLIENT, API, WEB APP 在本博客文章中，我们将演示如何使用 `gradio_client` [Python库](getting-started-with-the-python-client/) 来以编程方式创建Gradio应用的请求，通过创建一个示例FastAPI Web应用。我们将构建的 Web 应用名为“Acappellify”，它允许用户上传视频文件作为输入，并返回一个没有伴奏音乐的视频版本。它还会显示生成的视频库。 **先决条件** 在开始之前，请确保您正在运行Python 3.9或更高版本，并已安装以下库： - `gradio_client` - `fastapi` - `uvicorn` 您可以使用`pip`安装这些库： ```bash $ pip install gradio_client fastapi uvicorn ``` 您还需要安装ffmpeg。您可以通过在终端中运行以下命令来检查您是否已安装ffmpeg： ```bash $ ffmpeg version ``` 否则，通过按照这些说明安装ffmpeg [链接](https://www.hostinger.com/tutorials/how-to-install-ffmpeg)。 ## 步骤1：编写视频处理函数 让我们从似乎最复杂的部分开始--使用机器学习从视频中去除音乐。 幸运的是，我们有一个现有的Space可以简化这个过程：[https://huggingface.co/spaces/abidlabs/music-separation](https://huggingface.co/spaces/abidlabs/music-separation)。该空间接受一个音频文件，并生成两个独立的音频文件：一个带有伴奏音乐，一个带有原始剪辑中的其他所有声音。非常适合我们的客户端使用！ 打开一个新的Python文件，比如`main.py`，并通过从`gradio_client`导入 `Client` 类，并将其连接到该Space： ```py from gradio_client import Client client = Client("abidlabs/music-separation") def acapellify(audio_path): result = client.predict(audio_path, api_name="/predict") return result[0] ``` 所需的代码仅如上所示--请注意，API端点返回一个包含两个音频文件（一个没有音乐，一个只有音乐）的列表，因此我们只返回列表的第一个元素。 --- **注意**：由于这是一个公共Space，可能会有其他用户同时使用该Space，这可能导致速度较慢。您可以使用自己的[Hugging Face token](https://huggingface.co/settings/tokens)复制此Space，创建一个只有您自己访问权限的私有Space，并绕过排队。要做到这一点，只需用下面的代码替换上面的前两行： ```py from gradio_client import Client client = Client.duplicate("abidlabs/music-separation", hf_token=YOUR_HF_TOKEN) ``` 其他的代码保持不变！ --- 现在，当然，我们正在处理视频文件，所以我们首先需要从视频文件中提取音频。为此，我们将使用`ffmpeg`库，它在处理音频和视频文件时做了很多艰巨的工作。使用`ffmpeg`的最常见方法是通过命令行，在Python的`subprocess`模块中调用它： 我们的视频处理工作流包含三个步骤： 1. 首先，我们从视频文件路径开始，并使用`ffmpeg`提取音频。 2. 然后，我们通过上面的`acapellify()`函数传入音频文件。 3. 最后，我们将新音频与原始视频合并，生成最终的Acapellify视频。 以下是Python中的完整代码，您可以将其添加到`main.py`文件中： ```python import subprocess def process_video(video_path): old_audio = os.path.basename(video_path).split(".")[0] + ".m4a" subprocess.run(['ffmpeg', '-y', '-i', video_path, '-vn', '-acodec', 'copy', old_audio]) new_audio = acapellify(old_audio) new_video = f"acap_{video_path}" subprocess.call(['ffmpeg', '-y', '-i', video_path, '-i', new_audio, '-map', '0:v', '-map', '1:a', '-c:v', 'copy', '-c:a', 'aac', '-strict', 'experimental', f"static/{new_video}"]) return new_video ``` 如果您想了解所有命令行参数的详细信息，请阅读[ffmpeg文档](https://ffmpeg.org/ffmpeg.html)，因为它们超出了本教程的范围。 ## 步骤2: 创建一个FastAPI应用（后端路由） 接下来，我们将创建一个简单的FastAPI应用程序。如果您以前没有使用过FastAPI，请查看[优秀的FastAPI文档](https://fastapi.tiangolo.com/)。否则，下面的基本模板将看起来很熟悉，我们将其添加到`main.py`中： ```python import os from fastapi import FastAPI, File, UploadFile, Request from fastapi.responses import HTMLResponse, RedirectResponse from fastapi.staticfiles import StaticFiles from fastapi.templating import Jinja2Templates app = FastAPI() os.makedirs("static", exist_ok=True) app.mount("/static", StaticFiles(directory="static"), name="static") templates = Jinja2Templates(directory="templates") videos = [] @app.get("/", response_class=HTMLResponse) async def home(request: Request): return templates.TemplateResponse( "home.html", {"request": request, "videos": videos}) @app.post("/uploadvideo/") async def upload_video(video: UploadFile = File(...)): new_video = process_video(video.filename) videos.append(new_video) return RedirectResponse(url='/', status_code=303) ``` 在这个示例中，FastAPI应用程序有两个路由：`/` 和 `/uploadvideo/`。 `/` 路由返回一个显示所有上传视频的画廊的HTML模板。 `/uploadvideo/` 路由接受一个带有`UploadFile`对象的 `POST` 请求，表示上传的视频文件。视频文件通过`process_video()`方法进行 "acapellify"，并将输出视频存储在一个列表中，该列表在内存中存储了所有上传的视频。 请注意，这只是一个非常基本的示例，如果这是一个发布应用程序，则需要添加更多逻辑来处理文件存储、用户身份验证和安全性考虑等。 ## 步骤3：创建一个FastAPI应用（前端模板） 最后，我们创建Web应用的前端。首先，在与`main.py`相同的目录下创建一个名为`templates`的文件夹。然后，在`templates`文件夹中创建一个名为`home.html`的模板。下面是最终的文件结构： ```csv ├── main.py ├── templates │ └── home.html ``` 将以下内容写入`home.html`文件中： ```html <!DOCTYPE html> <html> <head> <title> 视频库 </title> <style> body { font-family: sans-serif; margin: 0; padding: 0; background-color: #f5f5f5; } h1 { text-align: center; margin-top: 30px; margin-bottom: 20px; } .gallery { display: flex; flex-wrap: wrap; justify-content: center; gap: 20px; padding: 20px; } .video { border: 2px solid #ccc; box-shadow: 0px 0px 10px rgba(0, 0, 0, 0.2); border-radius: 5px; overflow: hidden; width: 300px; margin-bottom: 20px; } .video video { width: 100%; height: 200px; } .video p { text-align: center; margin: 10px 0; } form { margin-top: 20px; text-align: center; } input[type="file"] { display: none; } .upload-btn { display: inline-block; background-color: #3498db; color: #fff; padding: 10px 20px; font-size: 16px; border: none; border-radius: 5px; cursor: pointer; } .upload-btn:hover { background-color: #2980b9; } .file-name { margin-left: 10px; } </style> </head> <body> <h1> 视频库 </h1> {% if videos %} <div class="gallery"> {% for video in videos %} <div class="video"> <video controls> <source src="{{ url_for('static', path=video) }}" type="video/mp4"> 您的浏览器不支持视频标签。 </video> <p>{{ video }}</p> </div> {% endfor %} </div> {% else %} <p> 尚未上传任何视频。</p> {% endif %} <form action="/uploadvideo/" method="post" enctype="multipart/form-data"> <label for="video-upload" class="upload-btn"> 选择视频文件 </label> <input type="file" name="video" id="video-upload"> <span class="file-name"></span> <button type="submit" class="upload-btn"> 上传 </button> </form> <script> // 在表单中显示所选文件名 const fileUpload = document.getElementById("video-upload"); const fileName = document.querySelector(".file-name"); fileUpload.addEventListener("change", (e) => { fileName.textContent = e.target.files[0].name; }); </script> </body> </html> ``` ## 第4步：运行 FastAPI 应用 最后，我们准备好运行由 Gradio Python 客户端提供支持的 FastAPI 应用程序。 打开终端并导航到包含 `main.py` 文件的目录，然后在终端中运行以下命令： ```bash $ uvicorn main:app ``` 您应该会看到如下输出： ```csv Loaded as API: https://abidlabs-music-separation.hf.space ✔ INFO: Started server process [1360] INFO: Waiting for application startup. INFO: Application startup complete. INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit) ``` 就是这样！开始上传视频，您将在响应中得到一些“acapellified”视频（处理时间根据您的视频长度可能需要几秒钟到几分钟）。以下是上传两个视频后 UI 的外观： ![](https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/gradio-guides/acapellify.png) 如果您想了解如何在项目中使用 Gradio Python 客户端的更多信息，请[阅读专门的指南](/getting-started-with-the-python-client/)。