Update app.py

app.py

@@ -14,6 +14,7 @@ import re
 import time
 
 import numpy as np
+import soundfile as sf
 import gradio as gr
 import spaces
 
@@ -73,6 +74,26 @@ def _gpu_duration(text, *args, **kwargs):
     return int(min(180, 30 + n // 8))
 
 
+def _check_ref_len(path):
+    """Warn when the reference clip is longer than the ideal 3–5 s window."""
+    if not path:
+        return gr.update(visible=False)
+    try:
+        dur = sf.info(path).duration
+    except Exception:
+        return gr.update(visible=False)
+    if dur > 5.5:
+        return gr.update(
+            visible=True,
+            value=(
+                f"⚠️ Audio mẫu đang dài **{dur:.1f} giây**. Hãy cắt còn "
+                f"**3–5 giây** (một câu nói rõ, ít ồn) để clone giọng tốt nhất — "
+                f"audio quá dài thường cho kết quả kém hơn."
+            ),
+        )
+    return gr.update(visible=False)
+
+
 # ── Single-speaker synthesis ──────────────────────────────────────────────────
 @spaces.GPU(duration=_gpu_duration)
 def synthesize(text, voice, ref_audio, temperature, top_k, top_p,
@@ -195,14 +216,22 @@ with gr.Blocks(theme=theme, title="VieNeu-TTS v3 Turbo") as demo:
                                 label="Chọn giọng", choices=VOICE_CHOICES, value=DEFAULT_VOICE,
                             )
                         with gr.Tab("Nhân bản giọng"):
+                            gr.Markdown(
+                                "### ⏱️ Audio mẫu nên dài **3–5 giây**\n"
+                                "Dùng **một câu nói rõ ràng, ít tiếng ồn**. "
+                                "**Đừng** tải lên file dài (cả đoạn/cả bài) — audio càng dài "
+                                "clone càng dễ sai giọng và méo tiếng."
+                            )
                             ref_audio_in = gr.Audio(
                                 label="Audio mẫu (3–5 giây)", type="filepath",
                                 sources=["upload", "microphone"],
                             )
+                            ref_warn = gr.Markdown(visible=False)
                             gr.Markdown(
                                 "_Có audio mẫu ở đây sẽ **ghi đè** giọng dựng sẵn. "
                                 "Xoá audio để quay lại giọng dựng sẵn._"
                             )
+                            ref_audio_in.change(_check_ref_len, ref_audio_in, ref_warn)
                     with gr.Accordion("Tuỳ chọn nâng cao", open=False):
                         with gr.Row():
                             temperature_in = gr.Slider(0.1, 1.5, value=0.8, step=0.05, label="temperature")