app.py

import gradio as gr
import tempfile
from TTS.utils.synthesizer import Synthesizer
from huggingface_hub import hf_hub_download

# Repositório do modelo no Hugging Face Hub
REPO_ID = "mbarnig/lb-de-fr-en-pt-coqui-vits-tts"

# Configurações da interface
my_title = "🇵🇹 Sintetizador de Fala em Português com Coqui TTS"
my_description = """
Um sintetizador de fala em português baseado no modelo YourTTS da Coqui.ai. 
Insira o texto e gere o áudio com a voz desejada (masculina ou feminina)!
"""

# Texto de exemplo com o máximo de tokens (500 tokens)
max_tokens_text = """
O vento norte e o Sol discutiam quem era o mais forte, quando surgiu um viajante envolvido numa capa. 
O vento começou a soprar com toda a força, mas quanto mais soprava, mais o viajante se enrolava em sua capa. 
Então, o Sol começou a brilhar suavemente, e o viajante, sentindo o calor, logo tirou a capa. 
Assim, o Sol provou que o calor e a gentileza são mais eficazes do que a força bruta. 
Esta história nos ensina que, muitas vezes, a delicadeza e a paciência são mais poderosas do que a agressividade. 
"""

# Vozes disponíveis para português
TTS_VOICES = [
    "Ed",  # Voz masculina
    "Linda"  # Voz feminina
]

# Função para sintetizar a fala
def tts(text: str, speaker_idx: str):
    # Baixar os arquivos do modelo
    best_model_path = hf_hub_download(repo_id=REPO_ID, filename="best_model.pth")
    config_path = hf_hub_download(repo_id=REPO_ID, filename="config.json")
    speakers_path = hf_hub_download(repo_id=REPO_ID, filename="speakers.pth")
    languages_path = hf_hub_download(repo_id=REPO_ID, filename="language_ids.json")
    speaker_encoder_model_path = hf_hub_download(repo_id=REPO_ID, filename="model_se.pth")
    speaker_encoder_config_path = hf_hub_download(repo_id=REPO_ID, filename="config_se.json")

    # Inicializar o sintetizador
    synthesizer = Synthesizer(
        best_model_path,
        config_path,
        speakers_path,
        languages_path,
        None,
        None,
        speaker_encoder_model_path,
        speaker_encoder_config_path,
        False
    )

    # Gerar o áudio
    wavs = synthesizer.tts(text, speaker_idx, "Português")  # Idioma fixo: Português

    # Salvar o áudio em um arquivo temporário
    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as fp:
        synthesizer.save_wav(wavs, fp)
        audio_path = fp.name  # Caminho do arquivo gerado

    return audio_path, audio_path  # Retorna o caminho como áudio e arquivo


# Criar a interface Gradio
with gr.Blocks(title=my_title, css=".gradio-container {max-width: 900px; margin: auto;}") as demo:
    gr.Markdown(f"<h1 style='text-align: center;'>{my_title}</h1>")
    gr.Markdown(my_description)
    
    with gr.Row():
        with gr.Column(scale=1):
            text_input = gr.Textbox(
                lines=10, 
                label="Texto em Português", 
                placeholder="Insira o texto aqui... (máximo de 500 tokens)"
            )
            voice_selector = gr.Radio(
                label="Voz", 
                choices=TTS_VOICES, 
                value="Ed"
            )
            submit_button = gr.Button("Gerar Áudio", variant="primary")
        with gr.Column(scale=1):
            audio_output = gr.Audio(type="filepath", label="Áudio Gerado")
            download_button = gr.File(label="Baixar Áudio")
    
    gr.Markdown("<hr>")
    gr.Markdown("""
        <h3>Guia do Usuário:</h3>
        <ul>
            <li>Insira o texto em português no campo de entrada (até 500 tokens).</li>
            <li>Selecione a voz desejada (masculina ou feminina).</li>
            <li>Clique em "Gerar Áudio" para gerar o arquivo de áudio.</li>
            <li>Reproduza ou faça o download do áudio gerado.</li>
        </ul>
    """)

    # Ação do botão
    submit_button.click(
        fn=tts, 
        inputs=[text_input, voice_selector], 
        outputs=[audio_output, download_button]
    )

# Iniciar a interface
demo.launch()