Ajout du clonage vocal et interface complète

app.py

@@ -1,54 +1,151 @@
 import io
-from fastapi import FastAPI, HTTPException
-from fastapi.responses import Response
+import os
+import tempfile
+from fastapi import FastAPI, HTTPException, UploadFile, File, Form
+from fastapi.responses import Response, FileResponse
+from fastapi.staticfiles import StaticFiles
 from pydantic import BaseModel
 from pocket_tts import TTSModel
 import scipy.io.wavfile
 import numpy as np
+import time
 
-# --- Chargement du modèle (une seule fois au démarrage) ---
+# Créer l'application FastAPI
+app = FastAPI(title="API Pocket TTS",
+              description="Une API simple pour générer de la parole à partir de texte avec Pocket TTS, avec clonage de voix.",
+              version="2.0")
+
+# Charger le modèle (une seule fois au démarrage)
 print("Chargement du modèle Pocket TTS...")
 tts_model = TTSModel.load_model()
-
-# Sélection d'une voix pré-définie. La liste est disponible ici :
-# https://huggingface.co/kyutai/tts-voices
-# Tu peux aussi utiliser un fichier audio local (.wav)
-VOICE_NAME = "alba" # Choisis parmi 'alba', 'gentle', 'friendly', etc.
-voice_state = tts_model.get_state_for_audio_prompt(VOICE_NAME)
+print(f"Taux d'échantillonnage : {tts_model.sample_rate} Hz")
 print("Modèle chargé et prêt !")
-# --- Fin du chargement ---
 
-app = FastAPI(title="API Pocket TTS",
-              description="Une API simple pour générer de la parole à partir de texte avec Pocket TTS.",
-              version="1.0")
+# Dictionnaire pour stocker les états de voix (intégrées + clonées)
+voices = {}
+
+# Charger les voix intégrées
+builtin_voices = ["alba", "marius", "javert", "jean", "fantine", "cosette", "eponine", "azelma"]
+for voice_name in builtin_voices:
+    try:
+        voices[voice_name] = tts_model.get_state_for_audio_prompt(voice_name)
+        print(f"Voix intégrée chargée : {voice_name}")
+    except Exception as e:
+        print(f"Erreur lors du chargement de la voix {voice_name} : {e}")
+
+print(f"{len(voices)} voix intégrées chargées. Prêtes pour la génération.")
+
+
+# Servir les fichiers statiques (HTML, CSS, JS)
+app.mount("/static", StaticFiles(directory="static"), name="static")
+
 
-# Modèle de données pour la requête POST
+@app.get("/")
+async def root():
+    return {"message": "Bienvenue sur l'API Pocket TTS. Utilisez l'interface /demo ou l'endpoint /tts pour générer de l'audio."}
+
+
+@app.get("/demo")
+async def demo():
+    return FileResponse("static/index.html")
+
+
+# Modèle pour les requêtes JSON
 class TTSRequest(BaseModel):
     text: str
+    voice_name: str = "alba"
 
-@app.get("/")
-def root():
-    return {"message": "Bienvenue sur l'API Pocket TTS. Utilisez l'endpoint /tts pour générer de l'audio."}
 
 @app.post("/tts")
 async def generate_speech(request: TTSRequest):
     """
-    Reçoit du texte et retourne un fichier audio WAV.
+    Reçoit du texte et un nom de voix, retourne un fichier audio WAV.
     """
     text = request.text
     if not text:
         raise HTTPException(status_code=400, detail="Le texte ne peut pas être vide.")
 
-    print(f"Génération de l'audio pour : {text[:50]}...")
+    voice_name = request.voice_name
+    if voice_name not in voices:
+        available = ", ".join(voices.keys())
+        raise HTTPException(status_code=400, detail=f"Voix '{voice_name}' inconnue. Voix disponibles : {available}")
 
-    # Générer l'audio : le résultat est un tenseur PyTorch
-    audio_tensor = tts_model.generate_audio(voice_state, text)
+    print(f"Génération avec la voix '{voice_name}' pour : {text[:50]}...")
 
-    # Convertir le tenseur en tableau NumPy et le sauvegarder dans un buffer en mémoire
+    # Générer l'audio
+    try:
+        # Pour une voix clonée, voice_state est déjà le résultat de get_state_for_audio_prompt
+        voice_state = voices[voice_name]
+        audio_tensor = tts_model.generate_audio(voice_state, text)
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Erreur de génération audio : {str(e)}")
+
+    # Convertir en numpy et sauvegarder dans un buffer
     audio_numpy = audio_tensor.numpy().astype(np.int16)
     buffer = io.BytesIO()
     scipy.io.wavfile.write(buffer, tts_model.sample_rate, audio_numpy)
-    buffer.seek(0) # Retourner au début du buffer
+    buffer.seek(0)
+
+    # Retourner le fichier audio
+    return Response(content=buffer.read(), media_type="audio/wav", headers={"Content-Disposition": "attachment; filename=speech.wav"})
+
+
+@app.post("/clone-voice")
+async def clone_voice(audio_file: UploadFile = File(...), voice_name: str = Form(...)):
+    """
+    Endpoint pour cloner une voix à partir d'un fichier audio.
+    """
+    # Vérifier que le nom de la voix n'existe pas déjà
+    if voice_name in voices:
+        raise HTTPException(status_code=400, detail=f"Une voix nommée '{voice_name}' existe déjà. Veuillez choisir un autre nom.")
+
+    # Vérifier le type de fichier
+    if not audio_file.filename.endswith(('.wav', '.mp3', '.m4a')):
+        raise HTTPException(status_code=400, detail="Format de fichier non supporté. Utilisez WAV, MP3 ou M4A.")
+
+    # Sauvegarder le fichier temporairement
+    try:
+        # Créer un fichier temporaire
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as tmp_file:
+            content = await audio_file.read()
+            tmp_file.write(content)
+            tmp_path = tmp_file.name
+
+        # Si ce n'est pas déjà un WAV, convertir avec pydub (optionnel)
+        if not audio_file.filename.endswith('.wav'):
+            # Ici, tu pourrais ajouter une conversion avec pydub si nécessaire
+            # Pour simplifier, on va supposer que le modèle peut gérer les MP3
+            pass
+
+        # Cloner la voix
+        voice_state = tts_model.get_state_for_audio_prompt(tmp_path)
+        voices[voice_name] = voice_state
+
+        # Nettoyer
+        os.unlink(tmp_path)
+
+        print(f"Voix clonée '{voice_name}' ajoutée avec succès. Nombre total de voix : {len(voices)}")
+        return {"message": f"Voix '{voice_name}' clonée avec succès.", "voice_name": voice_name, "total_voices": len(voices)}
+
+    except Exception as e:
+        # Nettoyer en cas d'erreur
+        if 'tmp_path' in locals():
+            try:
+                os.unlink(tmp_path)
+            except:
+                pass
+        raise HTTPException(status_code=500, detail=f"Erreur lors du clonage : {str(e)}")
+
+
+@app.get("/voices")
+async def list_voices():
+    """
+    Retourne la liste des voix disponibles.
+    """
+    return {"voices": list(voices.keys())}
+
 
-    # Retourner le fichier audio WAV
-    return Response(content=buffer.read(), media_type="audio/wav")
+# Démarrer le serveur si exécuté directement
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=7860)

static/index.html

@@ -0,0 +1,381 @@
+<!DOCTYPE html>
+<html lang="fr">
+<head>
+    <meta charset="UTF-8">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>Pocket TTS - Synthèse vocale et clonage de voix</title>
+    <style>
+        * {
+            margin: 0;
+            padding: 0;
+            box-sizing: border-box;
+        }
+
+        body {
+            font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
+            background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
+            min-height: 100vh;
+            padding: 20px;
+        }
+
+        .container {
+            max-width: 800px;
+            margin: 0 auto;
+        }
+
+        .card {
+            background: white;
+            border-radius: 20px;
+            padding: 30px;
+            margin-bottom: 20px;
+            box-shadow: 0 10px 40px rgba(0,0,0,0.1);
+        }
+
+        h1 {
+            color: #667eea;
+            margin-bottom: 10px;
+        }
+
+        h2 {
+            color: #764ba2;
+            margin: 20px 0 15px 0;
+            font-size: 1.3em;
+        }
+
+        textarea, select, input {
+            width: 100%;
+            padding: 12px;
+            margin: 10px 0;
+            border: 2px solid #e0e0e0;
+            border-radius: 10px;
+            font-size: 16px;
+            transition: all 0.3s;
+        }
+
+        textarea:focus, select:focus, input:focus {
+            outline: none;
+            border-color: #667eea;
+        }
+
+        button {
+            background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
+            color: white;
+            border: none;
+            padding: 12px 30px;
+            border-radius: 25px;
+            font-size: 16px;
+            cursor: pointer;
+            transition: transform 0.2s;
+            margin-top: 10px;
+        }
+
+        button:hover {
+            transform: translateY(-2px);
+        }
+
+        button:active {
+            transform: translateY(0);
+        }
+
+        audio {
+            width: 100%;
+            margin-top: 20px;
+        }
+
+        .status {
+            margin-top: 15px;
+            padding: 10px;
+            border-radius: 10px;
+            font-size: 14px;
+        }
+
+        .status.success {
+            background-color: #d4edda;
+            color: #155724;
+        }
+
+        .status.error {
+            background-color: #f8d7da;
+            color: #721c24;
+        }
+
+        .status.info {
+            background-color: #d1ecf1;
+            color: #0c5460;
+        }
+
+        .voice-list {
+            display: flex;
+            flex-wrap: wrap;
+            gap: 10px;
+            margin: 15px 0;
+        }
+
+        .voice-tag {
+            background: #f0f0f0;
+            padding: 5px 12px;
+            border-radius: 20px;
+            font-size: 14px;
+            cursor: pointer;
+            transition: all 0.2s;
+        }
+
+        .voice-tag:hover {
+            background: #667eea;
+            color: white;
+        }
+
+        .file-upload {
+            border: 2px dashed #667eea;
+            background: #f8f9ff;
+            text-align: center;
+            padding: 20px;
+            border-radius: 10px;
+            cursor: pointer;
+        }
+
+        .file-upload input {
+            display: none;
+        }
+
+        hr {
+            margin: 20px 0;
+            border: none;
+            border-top: 2px solid #e0e0e0;
+        }
+    </style>
+</head>
+<body>
+    <div class="container">
+        <div class="card">
+            <h1>🎤 Pocket TTS Studio</h1>
+            <p>Synthèse vocale et clonage de voix - Interface complète</p>
+        </div>
+
+        <!-- Section Synthèse vocale -->
+        <div class="card">
+            <h2>📝 1. Synthèse vocale</h2>
+            <textarea id="text" rows="4" placeholder="Saisissez le texte à synthétiser...">Bonjour, ceci est un test de mon API vocale avec clonage de voix.</textarea>
+            
+            <label for="voice">Choisir une voix :</label>
+            <select id="voice">
+                <option value="">Chargement des voix...</option>
+            </select>
+            
+            <button id="generateBtn">🎵 Générer l'audio</button>
+            <audio id="audioPlayer" controls style="display: none;"></audio>
+            <div id="ttsStatus" class="status"></div>
+        </div>
+
+        <!-- Section Clonage de voix -->
+        <div class="card">
+            <h2>🎙️ 2. Cloner une nouvelle voix</h2>
+            <div class="file-upload" id="uploadArea">
+                <input type="file" id="audioFile" accept=".wav,.mp3,.m4a">
+                <p>📁 Cliquez ou glissez un fichier audio (WAV, MP3, M4A)</p>
+                <p style="font-size: 12px; color: #666;">5-15 secondes pour un meilleur résultat</p>
+            </div>
+            
+            <input type="text" id="newVoiceName" placeholder="Nom de la nouvelle voix (ex: ma_voix)" style="margin-top: 15px;">
+            <button id="cloneBtn">✨ Cloner cette voix</button>
+            <div id="cloneStatus" class="status"></div>
+        </div>
+
+        <!-- Section Liste des voix -->
+        <div class="card">
+            <h2>🎧 3. Voix disponibles</h2>
+            <div id="voiceList" class="voice-list">
+                <p>Chargement des voix...</p>
+            </div>
+            <button id="refreshVoicesBtn" style="background: #6c757d;">🔄 Actualiser la liste</button>
+        </div>
+    </div>
+
+    <script>
+        let currentAudioBlob = null;
+
+        // Fonction pour charger la liste des voix
+        async function loadVoices() {
+            try {
+                const response = await fetch('/voices');
+                if (response.ok) {
+                    const data = await response.json();
+                    const voiceSelect = document.getElementById('voice');
+                    const voiceListDiv = document.getElementById('voiceList');
+                    
+                    // Mettre à jour le select
+                    voiceSelect.innerHTML = '';
+                    data.voices.forEach(voice => {
+                        const option = document.createElement('option');
+                        option.value = voice;
+                        option.textContent = voice;
+                        voiceSelect.appendChild(option);
+                    });
+                    
+                    // Mettre à jour l'affichage des tags
+                    voiceListDiv.innerHTML = '';
+                    data.voices.forEach(voice => {
+                        const tag = document.createElement('div');
+                        tag.className = 'voice-tag';
+                        tag.textContent = voice;
+                        tag.onclick = () => {
+                            document.getElementById('voice').value = voice;
+                        };
+                        voiceListDiv.appendChild(tag);
+                    });
+                    
+                    if (data.voices.length === 0) {
+                        voiceListDiv.innerHTML = '<p>Aucune voix disponible.</p>';
+                    }
+                }
+            } catch (error) {
+                console.error('Erreur chargement voix:', error);
+            }
+        }
+
+        // Génération audio
+        document.getElementById('generateBtn').onclick = async () => {
+            const text = document.getElementById('text').value.trim();
+            const voiceName = document.getElementById('voice').value;
+            const statusDiv = document.getElementById('ttsStatus');
+            const audioPlayer = document.getElementById('audioPlayer');
+            
+            if (!text) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = 'Veuillez saisir du texte.';
+                return;
+            }
+            
+            if (!voiceName) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = 'Veuillez sélectionner une voix.';
+                return;
+            }
+            
+            statusDiv.className = 'status info';
+            statusDiv.textContent = 'Génération en cours...';
+            audioPlayer.style.display = 'none';
+            
+            try {
+                const response = await fetch('/tts', {
+                    method: 'POST',
+                    headers: { 'Content-Type': 'application/json' },
+                    body: JSON.stringify({ text: text, voice_name: voiceName })
+                });
+                
+                if (response.ok) {
+                    currentAudioBlob = await response.blob();
+                    const audioUrl = URL.createObjectURL(currentAudioBlob);
+                    audioPlayer.src = audioUrl;
+                    audioPlayer.style.display = 'block';
+                    audioPlayer.play();
+                    statusDiv.className = 'status success';
+                    statusDiv.textContent = '✅ Audio généré avec succès !';
+                } else {
+                    const errorText = await response.text();
+                    statusDiv.className = 'status error';
+                    statusDiv.textContent = `Erreur : ${errorText}`;
+                }
+            } catch (error) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = `Erreur réseau : ${error.message}`;
+            }
+        };
+        
+        // Clonage de voix
+        document.getElementById('cloneBtn').onclick = async () => {
+            const fileInput = document.getElementById('audioFile');
+            const voiceName = document.getElementById('newVoiceName').value.trim();
+            const statusDiv = document.getElementById('cloneStatus');
+            
+            if (!fileInput.files || fileInput.files.length === 0) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = 'Veuillez sélectionner un fichier audio.';
+                return;
+            }
+            
+            if (!voiceName) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = 'Veuillez donner un nom à cette voix.';
+                return;
+            }
+            
+            // Vérification simple du nom (pas d'espaces, caractères spéciaux)
+            if (!/^[a-zA-Z0-9_-]+$/.test(voiceName)) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = 'Le nom ne doit contenir que des lettres, chiffres, tirets ou underscores.';
+                return;
+            }
+            
+            const formData = new FormData();
+            formData.append('audio_file', fileInput.files[0]);
+            formData.append('voice_name', voiceName);
+            
+            statusDiv.className = 'status info';
+            statusDiv.textContent = 'Clonage en cours (cela peut prendre quelques secondes)...';
+            
+            try {
+                const response = await fetch('/clone-voice', {
+                    method: 'POST',
+                    body: formData
+                });
+                
+                if (response.ok) {
+                    const result = await response.json();
+                    statusDiv.className = 'status success';
+                    statusDiv.textContent = `✅ Voix "${voiceName}" clonée avec succès ! (Total: ${result.total_voices} voix)`;
+                    // Réinitialiser les champs
+                    fileInput.value = '';
+                    document.getElementById('newVoiceName').value = '';
+                    // Recharger la liste des voix
+                    await loadVoices();
+                } else {
+                    const errorText = await response.text();
+                    statusDiv.className = 'status error';
+                    statusDiv.textContent = `Erreur : ${errorText}`;
+                }
+            } catch (error) {
+                statusDiv.className = 'status error';
+                statusDiv.textContent = `Erreur réseau : ${error.message}`;
+            }
+        };
+        
+        // Rafraîchir la liste des voix
+        document.getElementById('refreshVoicesBtn').onclick = loadVoices;
+        
+        // Upload zone - drag & drop
+        const uploadArea = document.getElementById('uploadArea');
+        const fileInput = document.getElementById('audioFile');
+        
+        uploadArea.onclick = () => fileInput.click();
+        
+        uploadArea.ondragover = (e) => {
+            e.preventDefault();
+            uploadArea.style.borderColor = '#764ba2';
+            uploadArea.style.background = '#f0e6ff';
+        };
+        
+        uploadArea.ondragleave = (e) => {
+            e.preventDefault();
+            uploadArea.style.borderColor = '#667eea';
+            uploadArea.style.background = '#f8f9ff';
+        };
+        
+        uploadArea.ondrop = (e) => {
+            e.preventDefault();
+            uploadArea.style.borderColor = '#667eea';
+            uploadArea.style.background = '#f8f9ff';
+            const files = e.dataTransfer.files;
+            if (files.length > 0 && (files[0].type.includes('audio'))) {
+                fileInput.files = files;
+                statusDiv.textContent = `Fichier sélectionné : ${files[0].name}`;
+            } else {
+                alert('Veuillez déposer un fichier audio valide.');
+            }
+        };
+        
+        // Initialiser
+        loadVoices();
+    </script>
+</body>
+</html>