Spaces:
Sleeping
Sleeping
| import logging | |
| import os | |
| import time | |
| import uuid | |
| import gradio as gr | |
| import soundfile as sf | |
| from model import get_pretrained_model, language_to_models | |
| title = "# Conversão de texto para fala (TTS)" | |
| description = """ | |
| **Projeto Open Source de Text-to-Speech para Produção de Conteúdo com Inteligência Artificial: Voz Inteligente para Criadores de Cursos e Podcasters** | |
| --- | |
| **Visão Geral do Projeto:** | |
| O projeto Text-to-Speech (TTS) de código aberto visa capacitar criadores de cursos online e podcasters a produzirem conteúdo de alta qualidade através da aplicação de tecnologias avançadas de inteligência artificial. Ao oferecer uma solução robusta e flexível, o projeto busca democratizar o acesso a vozes naturais e envolventes, eliminando barreiras linguísticas e proporcionando uma experiência de aprendizado ou entretenimento mais inclusiva. | |
| --- | |
| **Principais Recursos:** | |
| 1. **Voz Natural e Expressiva:** Utiliza modelos de síntese de voz avançados para gerar vozes que soam naturais, expressivas e adaptáveis ao contexto do conteúdo. | |
| 2. **Suporte Multilíngue:** Incorpora diversos idiomas para atender a uma audiência global, permitindo aos criadores atingir uma ampla variedade de públicos. | |
| 3. **Personalização de Voz:** Oferece ferramentas para ajustar a entonação, velocidade e estilo da voz, permitindo que os criadores personalizem a experiência auditiva de acordo com suas preferências e o tom do conteúdo. | |
| 4. **Integração de Acentos e Dialeto:** Inclui suporte para diferentes acentos e dialetos, enriquecendo a autenticidade da experiência de audição. | |
| 5. **Controle de Emoções:** Permite a inserção de nuances emocionais na voz, tornando possível transmitir entusiasmo, empatia ou seriedade conforme necessário. | |
| 6. **API Amigável:** Disponibiliza uma API intuitiva para facilitar a integração com plataformas de criação de conteúdo, ambientes de aprendizado online e ferramentas de produção de podcasts. | |
| 7. **Modelo de Treinamento Aberto:** Encoraja a contribuição da comunidade para a melhoria contínua do modelo, permitindo que a inteligência artificial se aprimore com o tempo e a diversidade de dados. | |
| --- | |
| **Objetivos do Projeto:** | |
| 1. **Acessibilidade Global:** Tornar a produção de conteúdo acessível a todos, independentemente do idioma ou localização geográfica. | |
| 2. **Facilitar a Criação de Cursos Online:** Capacitar educadores a criar cursos envolventes e interativos, melhorando a experiência de aprendizado dos alunos. | |
| 3. **Aprimorar Produções de Podcast:** Permitir que podcasters forneçam narrativas cativantes e experiências auditivas excepcionais aos ouvintes. | |
| 4. **Desenvolvimento Sustentável:** Fomentar uma comunidade aberta e colaborativa para garantir a evolução contínua do projeto. | |
| --- | |
| **Como Contribuir:** | |
| O projeto Text-to-Speech é totalmente aberto à contribuição da comunidade. Se você é um desenvolvedor, designer, linguista ou entusiasta da inteligência artificial, sua participação é bem-vinda. Contribua com códigos, sugestões de recursos, correções de bugs ou simplesmente compartilhe suas experiências para enriquecer a diversidade de perspectivas. | |
| Junte-se a nós na missão de tornar a produção de conteúdo mais acessível, envolvente e impactante com a magia da inteligência artificial aplicada à síntese de voz! | |
| """ | |
| css = """.result {display:flex;flex-direction:column}.result_item {padding:15px;margin-bottom:8px;border-radius:15px;width:100%}.result_item_success {background-color:mediumaquamarine;color:white;align-self:start}.result_item_error {background-color:#ff7070;color:white;align-self:start}""" | |
| examples = [["Portuguese", "csukuangfj/vits-mms-por", "Computação é arte.", 0, 1.0]] | |
| language_choices = ["Portuguese"] | |
| def update_model_dropdown(language): | |
| return gr.Dropdown(choices=language_to_models.get(language, []), value=language_to_models.get(language, [""])[0], interactive=True) | |
| def build_html_output(s, style="result_item_success"): | |
| return f"""<div class='result'><div class='result_item {style}'>{s}</div></div>""" | |
| def process(language, repo_id, text, sid, speed): | |
| logging.info(f"Input text: {text}. sid: {sid}, speed: {speed}") | |
| sid = int(sid) | |
| tts = get_pretrained_model(repo_id, speed) | |
| start = time.time() | |
| audio = tts.generate(text, sid=sid) | |
| end = time.time() | |
| if len(audio.samples) == 0: | |
| raise ValueError("Error in generating audios. Please read previous error messages.") | |
| duration = len(audio.samples) / audio.sample_rate | |
| elapsed_seconds = end - start | |
| rtf = elapsed_seconds / duration | |
| info = f"""Wave duration : {duration:.3f} s <br/>Processing time: {elapsed_seconds:.3f} s <br/>RTF: {elapsed_seconds:.3f}/{duration:.3f} = {rtf:.3f} <br/>""" | |
| logging.info(info) | |
| logging.info(f"\nrepo_id: {repo_id}\ntext: {text}\nsid: {sid}\nspeed: {speed}") | |
| filename = str(uuid.uuid4()) + ".wav" | |
| sf.write(filename, audio.samples, samplerate=audio.sample_rate, subtype="PCM_16") | |
| return filename, build_html_output(info) | |
| demo = gr.Blocks(css=css) | |
| with demo: | |
| gr.Markdown(title) | |
| language_radio = gr.Radio(label="Language", choices=language_choices, value=language_choices[0]) | |
| model_dropdown = gr.Dropdown(choices=language_to_models["Portuguese"], label="Select a model", value=language_to_models["Portuguese"][0]) | |
| language_radio.change(update_model_dropdown, inputs=language_radio, outputs=model_dropdown) | |
| with gr.Tabs(): | |
| with gr.TabItem("Please input your text"): | |
| input_text = gr.Textbox(label="Input text", info="Your text", lines=3, placeholder="Please input your text here") | |
| input_sid = gr.Textbox(label="Speaker ID", info="Speaker ID", lines=1, max_lines=1, value="0", placeholder="Speaker ID. Valid only for mult-speaker model") | |
| input_speed = gr.Slider(minimum=0.1, maximum=10, value=1, step=0.1, label="Speed (larger->faster; smaller->slower)") | |
| input_button = gr.Button("Submit") | |
| output_audio = gr.Audio(label="Output") | |
| output_info = gr.HTML(label="Info") | |
| gr.Examples(examples=examples, fn=process, inputs=[language_radio, model_dropdown, input_text, input_sid, input_speed], outputs=[output_audio, output_info]) | |
| input_button.click(process, inputs=[language_radio, model_dropdown, input_text, input_sid, input_speed], outputs=[output_audio, output_info]) | |
| gr.Markdown(description) | |
| def download_espeak_ng_data(): | |
| os.system("""cd /tmp; wget -qq https://github.com/k2-fsa/sherpa-onnx/releases/download/tts-models/espeak-ng-data.tar.bz2; tar xf espeak-ng-data.tar.bz2""") | |
| if __name__ == "__main__": | |
| download_espeak_ng_data() | |
| formatter = "%(asctime)s %(levelname)s [%(filename)s:%(lineno)d] %(message)s" | |
| logging.basicConfig(format=formatter, level=logging.INFO) | |
| demo.launch() | |