File size: 2,163 Bytes
dfc143a
 
9b09053
dfc143a
9b09053
3e61c0f
9fd1e6b
9b09053
1020859
dfc143a
9b09053
 
dfc143a
9b09053
eb5ea38
03e2bd2
dfc143a
9b09053
dfc143a
9b09053
03e2bd2
dfc143a
03e2bd2
9b09053
1959e6a
dfc143a
 
 
9b09053
dfc143a
 
9b09053
 
dfc143a
 
 
 
03e2bd2
1959e6a
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
import gradio as gr
from infer_onnx import TTS
from ruaccent import RUAccent  # https://huggingface.co/TeraTTS/accentuator

# Заголовок и ссылка на репозиторий с моделями
title = "GitHub with models: https://github.com/Tera2Space/RUTTS"

# Список моделей TTS для выбора
models = ["TeraTTS/natasha-g2p-vits", "TeraTTS/glados2-g2p-vits", "TeraTTS/glados-g2p-vits", "TeraTTS/girl_nice-g2p-vits"]

# Создаем словарь моделей и инициализируем их
models = {k: TTS(k) for k in models}

# Создаем объект для акцентуации текста
accentizer = RUAccent(workdir="./model/ruaccent")
accentizer.load(omograph_model_size='big_poetry', use_dictionary=True)

# Функция для предобработки текста (акцентуация и ё)

# Функция для синтеза речи
def text_to_speech(model_name, length_scale, text, prep_text):
    if prep_text:
        text = accentizer.process_all(text)
    audio = models[model_name](text, length_scale=length_scale)
    models[model_name].save_wav(audio, 'temp.wav', sample_rate=models[model_name].config["samplerate"])

    return 'temp.wav', f"Обработанный текст: '{text}'"

# Создание интерфейса Gradio
model_choice = gr.Dropdown(choices=list(models.keys()), value="TeraTTS/natasha-g2p-vits", label="Выберите модель")
input_text = gr.Textbox(label="Введите текст для синтеза речи")
prep_text = gr.Checkbox(label="Предобработать", info="Хотите предобработать текст? (ударения, ё)", value=True)
length_scale = gr.Slider(minimum=0.1, maximum=2.0, label="Length scale (увеличить длину звучания) По умолчанию: 1.2", value=1.2)

output_audio = gr.Audio(label="Аудио", type="numpy")
output_text = gr.Textbox(label="Обработанный текст")

iface = gr.Interface(fn=text_to_speech, inputs=[model_choice, length_scale, input_text, prep_text], outputs=[output_audio, output_text], title=title)
iface.launch()