Update app.py

app.py

@@ -2,21 +2,45 @@ import gradio as gr
 from kokoro import KPipeline
 import numpy as np
 import torch
+import os
 
-# Detectar hardware (Hugging Face Spaces gratuitos usan CPU)
+# Detectar hardware
 device = "cuda" if torch.cuda.is_available() else "cpu"
 
-# Inicializamos el pipeline de Kokoro para inglés americano ('a')
-# Esto descargará automáticamente el modelo de 82M parámetros
+# Inicializar pipeline - 'e' para español
 pipeline = KPipeline(lang_code='e', device=device)
 
+# Lista COMPLETA de voces del Space original
+VOICES = [
+    "af_alloy.pt", "af_aoede.pt", "af_bella.pt", "af_heart.pt", "af_jessica.pt", 
+    "af_kore.pt", "af_nicole.pt", "af_nova.pt", "af_river.pt", "af_sarah.pt", 
+    "af_sky.pt", "am_adam.pt", "am_echo.pt", "am_eric.pt", "am_fenrir.pt", 
+    "am_liam.pt", "am_michael.pt", "am_onyx.pt", "am_puck.pt", "bf_alice.pt", 
+    "bf_isabella.pt", "bf_lily.pt", "bm_daniel.pt", "bm_fable.pt", "bm_george.pt", 
+    "bm_lewis.pt", "ef_dora.pt", "em_alex.pt", "em_santa.pt", "ff_siwis.pt", 
+    "hf_alpha.pt", "hf_beta.pt", "hm_omega.pt", "hm_psi.pt", "if_sara.pt", 
+    "im_nicola.pt", "jf_alpha.pt", "jf_gongitsune.pt", "jf_nezumi.pt", 
+    "jf_tebukuro.pt", "jm_kumo.pt", "pf_dora.pt", "pm_alex.pt", "pm_santa.pt", 
+    "zf_xiaobei.pt", "zf_xiaoni.pt", "zf_xiaoyi.pt", "zm_yunjian.pt", 
+    "zm_yunxi.pt", "zm_yunxia.pt", "zm_yunyang.pt"
+]
+
 def tts_pro(text, voice_name):
     if not text or not text.strip():
         return None
     
     try:
-        # Generar audio: devuelve fragmentos (graphenes, phonemes, audio)
-        generator = pipeline(text, voice=voice_name, speed=1)
+        # Verificar si el archivo de voz existe
+        voice_path = f"voices/{voice_name}"
+        
+        # Si no está en voices/, buscar en el directorio actual
+        if not os.path.exists(voice_path):
+            voice_path = voice_name
+        
+        print(f"Usando voz: {voice_path}")
+        
+        # Generar audio - pasar la ruta del archivo .pt como voz
+        generator = pipeline(text, voice=voice_path, speed=1.0)
         
         audio_segments = []
         for _, _, audio in generator:
@@ -25,30 +49,80 @@ def tts_pro(text, voice_name):
         if not audio_segments:
             return None
             
-        # Concatenamos los fragmentos de audio en un solo array de numpy
+        # Concatenar audio
         final_audio = np.concatenate(audio_segments)
         
-        # Devolvemos el sample rate (24000) y el audio para Gradio
         return (24000, final_audio)
         
     except Exception as e:
         print(f"Error en la generación: {e}")
         return None
 
-# Interfaz de usuario
-demo = gr.Interface(
-    fn=tts_pro,
-    inputs=[
-        gr.Textbox(label="Texto", placeholder="Escribe el texto aquí..."),
-        gr.Dropdown(
-            ["af_bella", "af_alloy", "af_nova", "af_sarah", "af_sky", "am_adam"],
-            label="Selecciona Voz", 
-            value="af_bella"
-        )
-    ],
-    outputs=gr.Audio(label="Audio Generado"),
-    title="Kokoro TTS v1.0 - Aliah Plus"
-)
+# Crear la interfaz
+with gr.Blocks(title="Kokoro TTS - Aliah Plus", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🎤 Kokoro TTS v1.0")
+    gr.Markdown("### Texto a Voz con múltiples voces")
+    gr.Markdown("Escribe el texto y selecciona una voz para generar audio.")
+    
+    with gr.Row():
+        with gr.Column():
+            texto_input = gr.Textbox(
+                label="Texto a convertir",
+                placeholder="Escribe aquí el texto en español...",
+                lines=4,
+                max_lines=10
+            )
+            
+            voz_seleccionada = gr.Dropdown(
+                choices=VOICES,
+                label="Selecciona una voz",
+                value="af_bella.pt",
+                info="Elige entre más de 50 voces diferentes"
+            )
+            
+            generar_btn = gr.Button("🎵 Generar Audio", variant="primary")
+        
+        with gr.Column():
+            audio_output = gr.Audio(
+                label="Audio Generado",
+                type="numpy",
+                interactive=False
+            )
+    
+    # Ejemplos
+    gr.Markdown("### Ejemplos rápidos:")
+    ejemplos = gr.Examples(
+        examples=[
+            ["Hola, ¿cómo estás? Soy una voz generada por inteligencia artificial.", "af_bella.pt"],
+            ["Bienvenido al sistema de texto a voz más avanzado.", "af_nova.pt"],
+            ["La tecnología de síntesis de voz ha avanzado mucho.", "am_adam.pt"]
+        ],
+        inputs=[texto_input, voz_seleccionada],
+        outputs=audio_output,
+        fn=tts_pro,
+        cache_examples=False
+    )
+    
+    # Conectar el botón
+    generar_btn.click(
+        fn=tts_pro,
+        inputs=[texto_input, voz_seleccionada],
+        outputs=audio_output
+    )
+    
+    # Información adicional
+    gr.Markdown("---")
+    gr.Markdown("""
+    ### 📝 Notas:
+    - Las voces están en formato `.pt` y se cargan desde la carpeta `voices/`
+    - Tiempo de generación: ~5-10 segundos dependiendo del texto
+    - Formato de audio: 24kHz, mono
+    - Modelo: Kokoro TTS v1.0
+    """)
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch(
+        share=False,
+        server_name="0.0.0.0" if os.getenv('SPACE_ID') else None,
+        server_port=7860
+    )