Ajout de l'API Pocket TTS avec FastAPI

Dockerfile

@@ -0,0 +1,18 @@
+FROM python:3.11-slim
+
+# Empêche Python de créer des fichiers .pyc et active les logs en temps réel
+ENV PYTHONDONTWRITEBYTECODE=1
+ENV PYTHONUNBUFFERED=1
+
+# Définit le répertoire de travail
+WORKDIR /app
+
+# Copie et installe les dépendances
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Copie le reste du code
+COPY . .
+
+# Commande pour lancer le serveur FastAPI avec Uvicorn
+CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]

app.py

@@ -0,0 +1,54 @@
+import io
+from fastapi import FastAPI, HTTPException
+from fastapi.responses import Response
+from pydantic import BaseModel
+from pocket_tts import TTSModel
+import scipy.io.wavfile
+import numpy as np
+
+# --- Chargement du 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("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")
+
+# Modèle de données pour la requête POST
+class TTSRequest(BaseModel):
+    text: str
+
+@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.
+    """
+    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]}...")
+
+    # Générer l'audio : le résultat est un tenseur PyTorch
+    audio_tensor = tts_model.generate_audio(voice_state, text)
+
+    # Convertir le tenseur en tableau NumPy et le sauvegarder dans un buffer en mémoire
+    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
+
+    # Retourner le fichier audio WAV
+    return Response(content=buffer.read(), media_type="audio/wav")

requirements.txt

@@ -0,0 +1,4 @@
+fastapi
+uvicorn[standard]
+pocket-tts
+scipy