File size: 7,128 Bytes
e285918 c352e2d 8e9aeb7 c352e2d e285918 94ac5ac c352e2d a02da24 c352e2d d3ee892 c352e2d a02da24 c352e2d a02da24 c352e2d a02da24 c352e2d a02da24 c352e2d a02da24 c352e2d e285918 c352e2d 3fce25d c352e2d ade6fb7 c352e2d 94ac5ac c352e2d e285918 c352e2d 58314e1 c352e2d 58314e1 c352e2d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 |
import torch
import os
import logging
import soundfile as sf
import numpy as np
from huggingface_hub import hf_hub_download
from TTS.tts.configs.xtts_config import XttsConfig
from TTS.tts.models.xtts import Xtts
# --- CONSTANTES ---
REPO_ID = "dofbi/galsenai-xtts-v2-wolof-inference"
LOCAL_DIR = "./models"
class WolofXTTSInference:
def __init__(self, repo_id=REPO_ID, local_dir=LOCAL_DIR):
# Configuration du logging
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s - %(levelname)s - %(message)s'
)
self.logger = logging.getLogger(__name__)
# Créer le dossier local s'il n'existe pas
os.makedirs(local_dir, exist_ok=True)
# Téléchargement des fichiers nécessaires
try:
# Créer les sous-dossiers nécessaires
os.makedirs(os.path.join(local_dir, "Anta_GPT_XTTS_Wo"), exist_ok=True)
os.makedirs(os.path.join(local_dir, "XTTS_v2.0_original_model_files"), exist_ok=True)
# Télécharger le checkpoint
self.model_path = hf_hub_download(
repo_id=repo_id,
filename="Anta_GPT_XTTS_Wo/best_model_89250.pth",
local_dir=local_dir
)
# Télécharger le fichier de configuration
self.config_path = hf_hub_download(
repo_id=repo_id,
filename="Anta_GPT_XTTS_Wo/config.json",
local_dir=local_dir
)
# Télécharger le vocabulaire
self.vocab_path = hf_hub_download(
repo_id=repo_id,
filename="XTTS_v2.0_original_model_files/vocab.json",
local_dir=local_dir
)
# Télécharger l'audio de référence
self.reference_audio = hf_hub_download(
repo_id=repo_id,
filename="anta_sample.wav",
local_dir=local_dir
)
except Exception as e:
self.logger.error(f"Erreur lors du téléchargement des fichiers : {e}")
raise
# Sélection du device
self.device = "cuda:0" if torch.cuda.is_available() else "cpu"
# Initialisation du modèle
self.model = self._load_model()
def _load_model(self):
"""Charge le modèle XTTS"""
try:
self.logger.info("Chargement du modèle XTTS...")
# Initialisation du modèle
config = XttsConfig()
config.load_json(self.config_path)
model = Xtts.init_from_config(config)
# Chargement du checkpoint avec load_checkpoint
model.load_checkpoint(config,
checkpoint_path=self.model_path,
vocab_path=self.vocab_path,
use_deepspeed=False
)
model.to(self.device)
model.eval() # Mettre le modèle en mode évaluation
self.logger.info("Modèle chargé avec succès!")
return model
except Exception as e:
self.logger.error(f"Erreur lors du chargement du modèle : {e}")
raise
def generate_audio(
self,
text: str,
reference_audio: str = None,
speed: float = 1.06,
language: str = "wo",
output_path: str = None
) -> tuple[np.ndarray, int]:
"""
Génère de l'audio à partir du texte fourni
Args:
text (str): Texte à convertir en audio
reference_audio (str, optional): Chemin vers l'audio de référence. Defaults to None.
speed (float, optional): Vitesse de lecture. Defaults to 1.06.
language (str, optional): Langue du texte. Defaults to "wo".
output_path (str, optional): Chemin de sauvegarde de l'audio généré. Defaults to None.
Returns:
tuple[np.ndarray, int]: audio_array, sample_rate
"""
if not text:
raise ValueError("Le texte ne peut pas être vide.")
try:
# Utiliser l'audio de référence fourni ou par défaut
ref_audio = reference_audio or self.reference_audio
# Obtenir les embeddings
gpt_cond_latent, speaker_embedding = self.model.get_conditioning_latents(
audio_path=[ref_audio],
gpt_cond_len=self.model.config.gpt_cond_len,
max_ref_length=self.model.config.max_ref_len,
sound_norm_refs=self.model.config.sound_norm_refs
)
# Génération de l'audio
result = self.model.inference(
text=text.lower(),
gpt_cond_latent=gpt_cond_latent,
speaker_embedding=speaker_embedding,
do_sample=False,
speed=speed,
language=language,
enable_text_splitting=True
)
# Récupérer le taux d'échantillonnage
sample_rate = self.model.config.audio.sample_rate
# Sauvegarde optionnelle
if output_path:
sf.write(output_path, result["wav"], sample_rate)
self.logger.info(f"Audio sauvegardé dans {output_path}")
return result["wav"], sample_rate
except Exception as e:
self.logger.error(f"Erreur lors de la génération de l'audio : {e}")
raise
def generate_audio_from_config(self, text: str, config: dict, output_path: str = None) -> tuple[np.ndarray, int]:
"""
Génère de l'audio à partir du texte et d'un dictionnaire de configuration.
Args:
text (str): Texte à convertir en audio
config (dict): Dictionnaire de configuration (speed, language, reference_audio)
output_path (str, optional): Chemin de sauvegarde de l'audio généré. Defaults to None.
Returns:
tuple[np.ndarray, int]: audio_array, sample_rate
"""
speed = config.get('speed', 1.06)
language = config.get('language', "wo")
reference_audio = config.get('reference_audio', None)
return self.generate_audio(text=text, reference_audio=reference_audio, speed=speed, language=language, output_path=output_path)
# Exemple d'utilisation
if __name__ == "__main__":
tts = WolofXTTSInference()
# Exemple de génération d'audio
text = "Màngi tuddu Aadama, di baat bii waa Galsen A.I defar ngir wax ak yéen ci wolof!"
# Simple
audio, sr = tts.generate_audio(
text,
output_path="generated_audio.wav"
)
# Avec une config
config_gen_audio = {
"speed": 1.2,
"language": "wo",
}
audio, sr = tts.generate_audio_from_config(
text=text,
config=config_gen_audio,
output_path="generated_audio_config.wav"
) |