app.py

import gradio as gr
from transformers import VitsModel, AutoTokenizer
import torch
import numpy as np

# Carregamento do modelo e tokenizer
model_id = "facebook/mms-tts-grc"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = VitsModel.from_pretrained(model_id)

def synthesize_greek(text, speed):
    if not text or len(text.strip()) == 0:
        return None
    
    try:
        # Log para conferirmos se o slider está enviando o valor correto
        print(f"Gerando áudio com velocidade: {speed}")
        
        inputs = tokenizer(text, return_tensors="pt")
        
        # O modelo VITS da Transformers usa o speaking_rate como um multiplicador.
        # Se 1.0 é o normal, 2.0 deveria ser o dobro da duração (mais lento).
        # Vamos garantir que o atributo seja aplicado antes da inferência.
        model.speaking_rate = float(speed)
        
        with torch.no_grad():
            output = model(**inputs).waveform
        
        audio_numpy = output[0].cpu().numpy()
        sampling_rate = model.config.sampling_rate
        
        return (sampling_rate, audio_numpy)
        
    except Exception as e:
        print(f"Erro na síntese: {e}")
        return None

# Exemplos clássicos politônicos
greek_examples = [
    ["Γνῶθι σεαυτόν.", 0.6],
    ["Ὁ βίος βραχύς, ἡ δὲ τέχνη μακρή.", 1],
    ["οἶδα ὅτι οὐδὲν οἶδα.", 0.8],
    ["Ἐν ἀρχῇ ἦν ὁ λόγος, καὶ ὁ λόγος ἦν πρὸς τὸν θεόν.", 0.6]
]

with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# 🏛️ MMS-TTS Grego Antigo - Pronúncia em grego moderno")
    gr.Markdown("### Ajuste a velocidade para uma pronúncia mais clara e pausada")
    gr.Markdown("### Valor menor = maior lentidão")
    
    with gr.Row():
        with gr.Column():
            input_text = gr.Textbox(
                label="Inserir texto em Grego Politônico", 
                placeholder="Ex: ἐν ἀρχῇ ἦν ὁ λόγος...",
                lines=5
            )
            speed_slider = gr.Slider(
                minimum=0.5, 
                maximum=2.0, # Aumentado para permitir uma lentidão extrema 
                value=1.0, 
                step=0.1, 
                label="Ajuste a velocidade para obter a pronúncia ideal"
            )
            btn = gr.Button("Gerar Áudio", variant="primary")
        
        with gr.Column():
            audio_output = gr.Audio(label="Áudio Sintetizado")
    
    btn.click(
        fn=synthesize_greek, 
        inputs=[input_text, speed_slider], 
        outputs=audio_output
    )
    
    gr.Examples(
        examples=greek_examples,
        inputs=[input_text, speed_slider],
        label="Exemplos" 
    )

if __name__ == "__main__":
    demo.launch()