import os REF_WAV = os.environ.get("REF_WAV", "reference.wav") # clean 5-10 s speech, 24 kHz or any rate REF_TEXT = os.environ.get("REF_TEXT", "") # exact transcript of REF_WAV (gen_eval.py only) import os, time, torch torch.set_num_threads(6) import soundfile as sf from reverb_tts import TTS texts=["Buenos días, ¿cómo estás hoy? Me llamo Ana y voy a contarte una historia sobre el mercado.", "¡Qué sorpresa verte aquí! No esperaba encontrarte en la biblioteca esta tarde.", "El tren sale a las ocho de la mañana, así que debemos levantarnos temprano.", "Uno, dos, tres, cuatro, cinco, seis, siete, ocho, nueve, diez."] tts=TTS.from_pretrained(variant="fp16", device="cpu") voices={"preset1":tts.preset_voice("es_male_standard_1"),"preset2":tts.preset_voice("es_male_standard_2"), "stref":tts.voice(REF_WAV,REF_TEXT,"es")} tot=0;aud=0 for name,v in voices.items(): os.makedirs(f"gen/{name}",exist_ok=True) for ti,t in enumerate(texts): for s in range(6): f=f"gen/{name}/t{ti}_s{s}.wav" if os.path.exists(f): continue t0=time.time(); a=tts.generate(t,v,"es",seed=1000+s); dt=time.time()-t0 sf.write(f,a,tts.sample_rate); tot+=dt; aud+=len(a)/tts.sample_rate print(name,"done; cumulative RTF",round(tot/max(aud,1e-9),2),flush=True)