Hugging Face's logo

marcosremar2
/
tts-service-standalone

Text-to-Speech
F5-TTS
Portuguese
tts
grpc
edge-tts
gtts
portuguese
brazil
Model card Files
xet
Community
tts-service-standalone
File size: 4,415 Bytes 
fab3b22
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
 
#!/usr/bin/env python3
"""
Teste fornecendo ref_text correto em vez de transcrição automática
"""

import os
import sys
from f5_tts.api import F5TTS

def main():
    print("🔍 Teste com ref_text correto vs automático")
    print("=" * 60)
    
    # Criar diretórios
    os.makedirs("output", exist_ok=True)
    
    # Inicializar modelo PT-BR
    model_path = "models/firstpixel-ptbr/pt-br/model_last.safetensors"
    model = F5TTS(ckpt_file=model_path, device="cpu")
    
    # Áudio de referência PT-BR 
    ref_audio = "voices/ref_audio.wav"
    
    # Texto para gerar
    gen_text = "olá, este é um teste com texto de referência correto."
    
    print("\n📝 TESTE 1: Com ref_text automático (vazio)")
    print("-" * 60)
    
    try:
        model.infer(
            ref_file=ref_audio,
            ref_text="",  # Transcrição automática
            gen_text=gen_text,
            file_wave="output/teste_ref_auto.wav",
            remove_silence=True
        )
        print("✅ Gerado: output/teste_ref_auto.wav")
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    print("\n📝 TESTE 2: Com ref_text manual correto")
    print("-" * 60)
    
    # Assumindo que o áudio de referência diz algo como:
    # "olá este é um teste em português brasileiro"
    ref_text_correto = "olá este é um teste em português brasileiro"
    
    try:
        model.infer(
            ref_file=ref_audio,
            ref_text=ref_text_correto,  # Texto correto manual
            gen_text=gen_text,
            file_wave="output/teste_ref_manual.wav",
            remove_silence=True
        )
        print("✅ Gerado: output/teste_ref_manual.wav")
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    print("\n📝 TESTE 3: Com Venus (inglês) e texto correto")
    print("-" * 60)
    
    ref_audio_venus = "voices/venus_en.wav"
    ref_text_venus = "Some call me nature others call me mother nature"
    gen_text_en = "hello this is a test with english reference"
    
    try:
        model.infer(
            ref_file=ref_audio_venus,
            ref_text=ref_text_venus,
            gen_text=gen_text_en,
            file_wave="output/teste_venus_manual.wav",
            remove_silence=True
        )
        print("✅ Gerado: output/teste_venus_manual.wav")
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    print("\n📝 TESTE 4: Criar referência PT-BR nova")
    print("-" * 60)
    print("Gerando novo áudio de referência em PT-BR...")
    
    # Gerar um áudio PT-BR limpo para usar como referência
    ref_text_novo = "meu nome é assistente e eu falo português brasileiro naturalmente"
    
    try:
        # Usar Venus para gerar um PT-BR inicial
        model.infer(
            ref_file=ref_audio_venus,
            ref_text=ref_text_venus,
            gen_text=ref_text_novo,
            file_wave="voices/ref_ptbr_novo.wav",
            remove_silence=True
        )
        print("✅ Nova referência criada: voices/ref_ptbr_novo.wav")
        
        # Agora usar a nova referência
        print("\nTestando com nova referência...")
        model.infer(
            ref_file="voices/ref_ptbr_novo.wav",
            ref_text=ref_text_novo,  # Texto exato do áudio
            gen_text="agora sim deve funcionar perfeitamente em português",
            file_wave="output/teste_ref_nova.wav",
            remove_silence=True
        )
        print("✅ Gerado com nova ref: output/teste_ref_nova.wav")
        
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    # Resultados
    print("\n" + "=" * 60)
    print("📊 RESULTADOS:")
    print("-" * 60)
    
    arquivos = [
        ("output/teste_ref_auto.wav", "Ref text automático"),
        ("output/teste_ref_manual.wav", "Ref text manual PT"),
        ("output/teste_venus_manual.wav", "Venus com texto"),
        ("output/teste_ref_nova.wav", "Nova ref PT-BR")
    ]
    
    for arquivo, desc in arquivos:
        if os.path.exists(arquivo):
            size = os.path.getsize(arquivo) / 1024
            print(f"✅ {desc:20} - {size:.1f} KB")
        else:
            print(f"❌ {desc:20} - Não gerado")
    
    print("\n🎯 CONCLUSÃO:")
    print("Se 'Ref text manual' funciona melhor que 'automático':")
    print("→ Problema era transcrição incorreta do áudio de referência")


if __name__ == "__main__":
    main()