Spaces:
Sleeping
Sleeping
from transformers import AutoProcessor, BarkModel # Para poder seleccionar voz de hombre o de mujer y poder seleccionar el idioma | |
import gradio as gr | |
model_name="suno/bark-small" | |
processor = AutoProcessor.from_pretrained(model_name) | |
model = BarkModel.from_pretrained(model_name) | |
# Selección de voz - Valores: https://suno-ai.notion.site/8b8e8749ed514b0cbf3f699013548683 | |
voice_preset = "v2/es_speaker_0" | |
def tts(frase): | |
# Obtenemos el procesador | |
inputs = processor(frase, voice_preset=voice_preset) # la frase de entrada se procesa usando la voz seleccionada | |
# Realiza la inferencia a partir de procesador y el modelo | |
audio_array = model.generate(**inputs, pad_token_id=100) # El modelo genera el audio a partir de los inputs procesados. Pad_token es el relleno que sirve para cuando trabajamos con secuencias de texto de diferentes longitudes y transformarlas para que todas tengan la misma longitud y poder procesarlas en lotes. Pad_token_id=100 especifica el identificador del token de relleno | |
audio_array = audio_array.cpu().numpy().squeeze() # El array del audio se castea a un array de numpy | |
sample_rate = model.generation_config.sample_rate # Obtenemos la tasa de muestreo | |
return sample_rate,audio_array | |
demo = gr.Interface( | |
tts, | |
inputs=gr.Text(label="Teclea el texto a pronunciar"), # Entrada campo de texto | |
outputs=gr.Audio(label="audio generado"), # Salida audio | |
title="De texto a voz", | |
) | |
demo.launch() |