Replace example reference audio with 3 new refs (1/2/3.wav)

.gitattributes

@@ -34,3 +34,6 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
 examples/ALG.wav filter=lfs diff=lfs merge=lfs -text
+examples/1.wav filter=lfs diff=lfs merge=lfs -text
+examples/2.wav filter=lfs diff=lfs merge=lfs -text
+examples/3.wav filter=lfs diff=lfs merge=lfs -text

app.py

@@ -57,8 +57,23 @@ vocab_path = hf_hub_download(MODEL_REPO, "vocab.txt")
 vocoder = load_vocoder(vocoder_name="vocos", is_local=False, device="cpu")
 model = load_model(DiT, V1_CFG, ckpt_path, vocab_file=vocab_path, device="cpu")
 
-EXAMPLE_REF = os.path.join(os.path.dirname(__file__), "examples", "ALG.wav")
-EXAMPLE_REF_TEXT = "أنيا هكا باغية ناكل هكا أني ن نشوف فيها الحاجة هذيكا."
+EXAMPLES_DIR = os.path.join(os.path.dirname(__file__), "examples")
+# (reference wav, exact transcript of that wav) — transcripts must match the
+# audio verbatim; all refs are kept under f5-tts's 12s reference clip limit.
+EXAMPLE_REFS = [
+    (
+        os.path.join(EXAMPLES_DIR, "1.wav"),
+        "مَثَلاً ما تَلْڨاشْ واحدْ يقول لك شْجْرة قْلَقتني، شْجْرة مَرَضَتْلي حْيَاتي. تْلْڨاه غِيرْ يْڨُول لك هَذ الإنْسَان فْلَان وْ فْلَان وْ فْلَان. تسما مَشَاكِلْنا كَامَل مَنْ عَنْد النَّاس.",
+    ),
+    (
+        os.path.join(EXAMPLES_DIR, "2.wav"),
+        "الطالبات يروحوا ليها يتغداو، كنت أنا نروح بعد لي كور باش نتغدى، وكان كاين واحد الشاب دائماً يشوف فيا ويحب يحكي معايا، ويعاملني معاملة خاصة.",
+    ),
+    (
+        os.path.join(EXAMPLES_DIR, "3.wav"),
+        "الدراهم ولا القدره المعيشيه كيما الفلاح عمر هذا كان عادي معندوش و مخصوش عايش على قد حال",
+    ),
+]
 
 # The model was trained on unvocalized Arabic script only: Latin letters and
 # digits fall outside its vocabulary and produce unpredictable audio.
@@ -188,11 +203,17 @@ with gr.Blocks(title="KasbahTTS V0", theme=gr.themes.Soft()) as demo:
 
     run.click(generate, inputs=inputs, outputs=outputs)
 
-    if os.path.exists(EXAMPLE_REF):
+    available_refs = [(wav, text) for wav, text in EXAMPLE_REFS if os.path.exists(wav)]
+    if available_refs:
+        gen_samples = [
+            "واش راك خويا، لاباس عليك؟ صباح الخير.",
+            "من القصبة للعالم، هذا أول موديل يهدر بالدارجة الجزائرية.",
+            "اليوم الجو شباب، قلت نخرج نتمشى شوية في وسط البلاد.",
+        ]
         gr.Examples(
             examples=[
-                [EXAMPLE_REF, EXAMPLE_REF_TEXT, "واش راك خويا، لاباس عليك؟ صباح الخير."],
-                [EXAMPLE_REF, EXAMPLE_REF_TEXT, "من القصبة للعالم، هذا أول موديل يهدر بالدارجة الجزائرية."],
+                [wav, text, gen_samples[i % len(gen_samples)]]
+                for i, (wav, text) in enumerate(available_refs)
             ],
             inputs=[ref_audio, ref_text, gen_text],
         )

examples/{ALG.wav → 1.wav}

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:187b5992f7b068371f2769860a8b776e50abcc4168d9d24811ebb97ec0b8664f
-size 294174
+oid sha256:700c386039290655aa05e7d5dd734462550ee08be4955735b03842ac91b0533d
+size 368492

examples/2.wav

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:6ae9185bbedbcdeaaab72ed40e843c333e4ae1ac47cb0e12de6e86eafc23db46
+size 342444

examples/3.wav

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1362aa496c983f698235219910fec486d06f1a2e6610a9292e38e069cec55c65
+size 610604