Update app.py

app.py

@@ -1,15 +1,27 @@
 import gradio as gr
-from transformers import pipeline
+from transformers import VitsModel, AutoTokenizer
+import torch
+import scipy.io.wavfile
 
-# Charger le modèle de synthèse vocale
-pipe = pipeline(task='text-to-speech', model='facebook/mms-tts-ukr')
+# Charger le modèle Vits
+model = VitsModel.from_pretrained("joefox/tts_vits_ru_hf")
+tokenizer = AutoTokenizer.from_pretrained("joefox/tts_vits_ru_hf")
 
-def text_to_speech(text):
-    # Utiliser le modèle pour convertir le texte en audio
-    audio = pipe(text)
-    # Retourner l'audio généré
-    return audio
+def generate_audio(text):
+    # Prétraiter le texte
+    text = text.lower()
+    inputs = tokenizer(text, return_tensors="pt")
+    inputs['speaker_id'] = 3
+    
+    # Générer l'audio
+    with torch.no_grad():
+        output = model(**inputs).waveform
+        
+    # Enregistrer l'audio dans un fichier
+    scipy.io.wavfile.write("output.wav", rate=model.config.sampling_rate, data=output[0].cpu().numpy())
+    
+    return "output.wav"
 
-# Créer une interface Gradio pour tester le modèle
-iface = gr.Interface(fn=text_to_speech, inputs="text", outputs="audio", title="Test de Synthèse Vocale", description="Utilisez ce modèle pour convertir du texte en audio.")
+# Créer une interface Gradio
+iface = gr.Interface(fn=generate_audio, inputs="text", outputs="audio", title="Text to Speech (Vits)", description="Saisissez votre texte pour convertir en discours audio.")
 iface.launch()