app.py

import os
import uuid
import gradio as gr
from src.gradio_demo import SadTalker  
from infer_onnx import TTS
from huggingface_hub import snapshot_download


# 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}

# Функция для синтеза речи
def text_to_speech(model_name, length_scale, text):
    time_tag = str(uuid.uuid4())
    save_dir = './results/voice_input'
    os.makedirs(save_dir, exist_ok=True)
    file_name = os.path.join(save_dir, os.path.basename(time_tag + '.wav')) 
    
    open(file_name, "wb").close()

    audio = models[model_name](text, length_scale=length_scale)
    models[model_name].save_wav(audio, file_name, sample_rate=models[model_name].config["samplerate"])

    return file_name

def get_source_image(image):   
        return image

try:
    import webui  # in webui
    in_webui = True
except:
    in_webui = False


def toggle_audio_file(choice):
    if choice == False:
        return gr.update(visible=True), gr.update(visible=False)
    else:
        return gr.update(visible=False), gr.update(visible=True)
    
def ref_video_fn(path_of_ref_video):
    if path_of_ref_video is not None:
        return gr.update(value=True)
    else:
        return gr.update(value=False)
    
def download_model():
    REPO_ID = 'vinthony/SadTalker-V002rc'
    snapshot_download(repo_id=REPO_ID, local_dir='./checkpoints', local_dir_use_symlinks=True)

def sadtalker_demo():

    download_model()

    sad_talker = SadTalker(lazy_load=True)

    with gr.Blocks(analytics_enabled=False) as sadtalker_interface: 
        with gr.Row():
            with gr.Column(variant='panel'):
                with gr.Tabs(elem_id="sadtalker_source_image"):
                    with gr.TabItem('Исходное изображение'):
                        with gr.Row():
                            source_image = gr.Image(label="Аватарка", source="upload", type="filepath", elem_id="img2img_image")


                with gr.Tabs(elem_id="sadtalker_driven_audio"):
                    with gr.TabItem('Генерация или загрузка аудио'):
                        with gr.Row():
                            model_choice = gr.Dropdown(choices=list(models.keys()), value="TeraTTS/natasha-g2p-vits", label="Выберите модель TTS для синтеза речи:")
                        with gr.Row(visible=False):
                            length_scale = gr.Slider(minimum=0.1, maximum=2.0, label="Length scale (увеличить длину звучания) По умолчанию: 1.2", value=1.2)
                        with gr.Row():
                            input_text = gr.Textbox(label="Введите текст для синтеза речи:")
                        with gr.Row():
                            driven_audio = gr.Audio(label="Аудиофайл", source="upload", type="filepath")
                            driven_audio_no = gr.Audio(label="Use IDLE mode, no audio is required", source="upload", type="filepath", visible=False)

                            with gr.Column(visible=False):
                                use_idle_mode = gr.Checkbox(label="Use Idle Animation", visible=False)
                                length_of_audio = gr.Number(value=5, label="The length(seconds) of the generated video.")
                                use_idle_mode.change(toggle_audio_file, inputs=use_idle_mode, outputs=[driven_audio, driven_audio_no]) # todo
                        with gr.Row():
                            play_button = gr.Button('Синтез речи', variant='primary')
                            play_button.click(
                                fn=text_to_speech, inputs=[model_choice, length_scale, input_text], outputs=[driven_audio]
                            ) 
                        with gr.Row():
                            ref_video = gr.Video(label="Видео для генерации", source="upload", type="filepath", elem_id="vidref")

                            with gr.Column():
                                use_ref_video = gr.Checkbox(label="Использовать видео для генерации")
                                ref_info = gr.Radio(['pose', 'blink','pose+blink', 'all'], value='pose', label='Видео для эталона',info="Как использовать эталонное видео?((video driving mode))")

                            ref_video.change(ref_video_fn, inputs=ref_video, outputs=[use_ref_video]) # todo

            with gr.Column(variant='panel'): 
                with gr.Tabs(elem_id="sadtalker_checkbox"):
                    with gr.TabItem('Настройки генерации видео'):
                        with gr.Column(variant='panel'):
                            with gr.Row():
                                pose_style = gr.Slider(minimum=0, maximum=45, step=1, label="Стиль", value=0) #
                                exp_weight = gr.Slider(minimum=0, maximum=3, step=0.1, label="Степень выразительности", value=1) # 
                                blink_every = gr.Checkbox(label="Моргание", value=True)

                            with gr.Row():
                                size_of_image = gr.Radio([256, 512], value=256, label='Разрешение модели лица', info="256/512?") # 
                                preprocess_type = gr.Radio(['crop', 'resize','full', 'extcrop', 'extfull'], value='crop', label='Предварительная обработка', info="Как обрабатывать входное изображение?")
                            
                            with gr.Row():
                                is_still_mode = gr.Checkbox(label="Режим неподвижности (меньше движений головы, работает с full режимом)")
                                facerender = gr.Radio(['facevid2vid','pirender'], value='facevid2vid', label='Рендер лица', info="Какой использовать?")
                                
                            with gr.Row():
                                batch_size = gr.Slider(label="Размер пакета при генерации", step=1, maximum=10, value=1)
                                enhancer = gr.Checkbox(label="GFPGAN как пост-обработчик лица")
                            
                            submit = gr.Button('Генерировать', elem_id="sadtalker_generate", variant='primary')
                            
                with gr.Tabs(elem_id="sadtalker_genearted"):
                        gen_video = gr.Video(label="Сгенерированное изображение", format="mp4")

        submit.click(
                fn=sad_talker.test,
                inputs=[source_image,
                        driven_audio,
                        preprocess_type,
                        is_still_mode,
                        enhancer,
                        batch_size,                            
                        size_of_image,
                        pose_style,
                        facerender,
                        exp_weight,
                        use_ref_video,
                        ref_video,
                        ref_info,
                        use_idle_mode,
                        length_of_audio,
                        blink_every
                        ], 
                outputs=[gen_video]
                ) 

    return sadtalker_interface
 
if __name__ == "__main__":

    demo = sadtalker_demo()
    demo.queue(max_size=10)
    demo.launch(debug=True)