Hamed744 commited on
Commit
1ec58e2
·
verified ·
1 Parent(s): db88be5

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +149 -114
app.py CHANGED
@@ -15,6 +15,41 @@ try:
15
  except ImportError:
16
  PYDUB_AVAILABLE = False
17
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
18
  SPEAKER_VOICES = [
19
  "Achird", "Zubenelgenubi", "Vindemiatrix", "Sadachbia", "Sadaltager",
20
  "Sulafat", "Laomedeia", "Achernar", "Alnilam", "Schedar", "Gacrux",
@@ -25,18 +60,15 @@ SPEAKER_VOICES = [
25
  FIXED_MODEL_NAME = "gemini-2.5-flash-preview-tts"
26
  DEFAULT_MAX_CHUNK_SIZE = 3800
27
  DEFAULT_SLEEP_BETWEEN_REQUESTS = 8
28
- DEFAULT_OUTPUT_FILENAME_BASE = "alpha_tts_audio" # نام فایل خروجی خودکار
29
 
30
- def _log(message, log_list):
31
- log_list.append(message) # برای دیباگ داخلی
32
-
33
- def save_binary_file(file_name, data, log_list):
34
  try:
35
  with open(file_name, "wb") as f: f.write(data)
36
- _log(f" فایل ذخیره شد: {file_name}", log_list)
37
  return file_name
38
  except Exception as e:
39
- _log(f"❌ خطا در ذخیره فایل {file_name}: {e}", log_list)
40
  return None
41
 
42
  def convert_to_wav(audio_data: bytes, mime_type: str) -> bytes:
@@ -60,7 +92,7 @@ def parse_audio_mime_type(mime_type: str) -> dict[str, int]:
60
  except: pass
61
  return {"bits_per_sample": bits, "rate": rate}
62
 
63
- def smart_text_split(text, max_size=3800, log_list=None):
64
  if len(text) <= max_size: return [text]
65
  chunks, current_chunk = [], ""
66
  sentences = re.split(r'(?<=[.!?؟])\s+', text)
@@ -75,42 +107,60 @@ def smart_text_split(text, max_size=3800, log_list=None):
75
  else: current_chunk += (" " if current_chunk else "") + sentence
76
  if current_chunk: chunks.append(current_chunk.strip())
77
  final_chunks = [c for c in chunks if c]
78
- if log_list: _log(f"📊 متن به {len(final_chunks)} قطعه تقسیم شد.", log_list)
79
  return final_chunks
80
 
81
- def merge_audio_files_func(file_paths, output_path, log_list):
82
- if not PYDUB_AVAILABLE: _log(" pydub در دسترس نیست.", log_list); return False
83
  try:
84
- _log(f"🔗 ادغام {len(file_paths)} فایل صوتی...", log_list)
85
  combined = AudioSegment.empty()
86
  for i, fp in enumerate(file_paths):
87
  if os.path.exists(fp): combined += AudioSegment.from_file(fp) + (AudioSegment.silent(duration=150) if i < len(file_paths) - 1 else AudioSegment.empty())
88
- else: _log(f"⚠️ فایل پیدا نشد: {fp}", log_list)
89
  combined.export(output_path, format="wav")
90
- _log(f"✅ فایل ادغام شده: {output_path}", log_list); return True
91
- except Exception as e: _log(f"❌ خطا در ادغام: {e}", log_list); return False
 
92
 
93
- def core_generate_audio(text_input, prompt_input, selected_voice, temperature_val, log_list):
94
- output_base_name = DEFAULT_OUTPUT_FILENAME_BASE # نام فایل ثابت
 
 
95
  max_chunk, sleep_time = DEFAULT_MAX_CHUNK_SIZE, DEFAULT_SLEEP_BETWEEN_REQUESTS
96
- _log("🚀 شروع فرآیند...", log_list)
97
- api_key = os.environ.get("GEMINI_API_KEY")
98
- if not api_key: _log("❌ کلید API تنظیم نشده.", log_list); return None
99
- try: client = genai.Client(api_key=api_key)
100
- except Exception as e: _log(f"❌ خطا در کلاینت: {e}", log_list); return None
101
- if not text_input or not text_input.strip(): _log("❌ متن ورودی خالی.", log_list); return None
102
- text_chunks = smart_text_split(text_input, max_chunk, log_list)
103
- if not text_chunks: _log(" متن قابل پردازش نیست.", log_list); return None
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
104
 
105
  generated_files = []
106
  for i, chunk in enumerate(text_chunks):
107
- _log(f"🔊 پردازش قطعه {i+1}/{len(text_chunks)}...", log_list)
108
  final_text = f'"{prompt_input}"\n{chunk}' if prompt_input and prompt_input.strip() else chunk
109
  contents = [types.Content(role="user", parts=[types.Part.from_text(text=final_text)])]
110
  config = types.GenerateContentConfig(temperature=temperature_val, response_modalities=["audio"],
111
  speech_config=types.SpeechConfig(voice_config=types.VoiceConfig(
112
  prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name=selected_voice))))
113
- fname_base = f"{output_base_name}_part{i+1:03d}" # نامگذاری قطعات موقت
114
  try:
115
  response = client.models.generate_content(model=FIXED_MODEL_NAME, contents=contents, config=config)
116
  if response.candidates and response.candidates[0].content and response.candidates[0].content.parts and response.candidates[0].content.parts[0].inline_data:
@@ -119,121 +169,115 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
119
  ext = mimetypes.guess_extension(inline_data.mime_type) or ".wav"
120
  if "audio/L" in inline_data.mime_type and ext == ".wav": data_buffer = convert_to_wav(data_buffer, inline_data.mime_type)
121
  if not ext.startswith("."): ext = "." + ext
122
- fpath = save_binary_file(f"{fname_base}{ext}", data_buffer, log_list)
123
  if fpath: generated_files.append(fpath)
124
- else: _log(f"⚠️ پاسخ API برای قطعه {i+1} بدون داده صوتی.", log_list)
125
- except Exception as e: _log(f"❌ خطا در تولید قطعه {i+1}: {e}", log_list); continue
 
 
126
  if i < len(text_chunks) - 1 and len(text_chunks) > 1: time.sleep(sleep_time)
127
 
128
- if not generated_files: _log("❌ هیچ فایلی تولید نشد.", log_list); return None
129
- _log(f"🎉 {len(generated_files)} فایل(های) صوتی تولید شد.", log_list)
 
130
 
131
  final_audio_file = None
132
- # نام فایل نهایی ادغام شده یا تکی
133
- # استفاده از یک نام ثابت با افزودن timestamp برای جلوگیری از کش شدن توسط مرورگر یا CDN
134
- # اما برای سادگی و چون پلیر Gradio معمولا با محتوا آپدیت می‌شود، فعلا timestamp نمی‌گذاریم.
135
  final_output_path_base = f"{output_base_name}_final"
136
 
137
  if len(generated_files) > 1:
138
  if PYDUB_AVAILABLE:
139
- merged_fn = f"{final_output_path_base}.wav" # همیشه WAV برای فایل نهایی
140
- if os.path.exists(merged_fn): os.remove(merged_fn) # حذف فایل قبلی اگر وجود دارد
141
- if merge_audio_files_func(generated_files, merged_fn, log_list):
142
  final_audio_file = merged_fn
143
- for fp in generated_files: # حذف فایل‌های جزئی
144
- if os.path.abspath(fp) != os.path.abspath(merged_fn):
145
- try: os.remove(fp)
146
- except: pass
147
- else: # اگر ادغام ناموفق بود، اولین قطعه با نام استاندارد ارائه می‌شود
148
  if generated_files:
149
  try:
150
- os.rename(generated_files[0], f"{final_output_path_base}{os.path.splitext(generated_files[0])[1]}")
151
- final_audio_file = f"{final_output_path_base}{os.path.splitext(generated_files[0])[1]}"
 
 
 
152
  except Exception as e_rename:
153
- _log(f"خطا در تغییر نام فایل اولین قطعه: {e_rename}", log_list)
154
- final_audio_file = generated_files[0] # بازگشت به مسیر اصلی
155
- # پاک کردن سایر فایل‌های جزئی حتی اگر ادغام ناموفق بود
156
- if final_audio_file: # اگر فایلی برای ارائه داریم (ادغام شده یا اولین قطعه)
157
- for fp_cleanup in generated_files:
158
- if os.path.abspath(fp_cleanup) != os.path.abspath(final_audio_file):
159
- try: os.remove(fp_cleanup)
160
- except: pass
 
 
161
  else:
162
- _log("⚠️ pydub نیست. اولین قطعه ارائه می‌شود.", log_list)
163
  if generated_files:
164
  try:
165
- os.rename(generated_files[0], f"{final_output_path_base}{os.path.splitext(generated_files[0])[1]}")
166
- final_audio_file = f"{final_output_path_base}{os.path.splitext(generated_files[0])[1]}"
 
 
 
167
  for i_gf in range(1, len(generated_files)): # پاک کردن بقیه فایل‌های جزئی
168
  try: os.remove(generated_files[i_gf])
169
  except: pass
170
  except Exception as e_rename_single:
171
- _log(f"خطا در تغییر نام فایل اولین قطعه (بدون pydub): {e_rename_single}", log_list)
172
  final_audio_file = generated_files[0]
173
 
174
-
175
  elif len(generated_files) == 1:
176
  try:
177
- # تغییر نام فایل تکی به نام استاندارد نهایی
178
  target_ext = os.path.splitext(generated_files[0])[1]
179
  final_single_fn = f"{final_output_path_base}{target_ext}"
180
  if os.path.exists(final_single_fn): os.remove(final_single_fn)
181
  os.rename(generated_files[0], final_single_fn)
182
  final_audio_file = final_single_fn
183
  except Exception as e_rename_single_final:
184
- _log(f"خطا در تغییر نام فایل تکی نهایی: {e_rename_single_final}", log_list)
185
- final_audio_file = generated_files[0] # بازگشت به مسیر اصلی اگر تغییر نام ناموفق بود
186
 
187
- if final_audio_file and not os.path.exists(final_audio_file):
188
- _log(f"⚠️ فایل نهایی '{final_audio_file}' وجود ندارد!", log_list)
 
 
 
 
 
189
  return None
 
190
  return final_audio_file
191
 
192
  def gradio_tts_interface(use_file_input, uploaded_file, text_to_speak, speech_prompt, speaker_voice, temperature, progress=gr.Progress(track_tqdm=True)):
193
- logs = []
194
  actual_text = ""
195
  if use_file_input:
196
  if uploaded_file:
197
  try:
198
  with open(uploaded_file.name, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
199
- if not actual_text: return None
200
- except Exception as e: _log(f"❌ خطا خواندن فایل: {e}", logs); return None
201
- else: return None
202
  else:
203
  actual_text = text_to_speak
204
- if not actual_text or not actual_text.strip(): return None
205
 
206
- final_path = core_generate_audio(actual_text, speech_prompt, speaker_voice, temperature, logs)
207
- # for log_entry in logs: print(log_entry) # For debugging in HF console
208
  return final_path
209
 
210
- # --- CSS با الهام دقیق‌تر از تصاویر نمونه ---
211
- # متغیرهای رنگی اصلی از تصاویر شما (Alpha Translator)
212
- APP_HEADER_GRADIENT_START = "#4A00E0" # بنفش تیره‌تر
213
- APP_HEADER_GRADIENT_END = "#8E2DE2" # بنفش روشن‌تر
214
- # یا گرادیانت آبی-سبز تصویر:
215
- APP_HEADER_GRADIENT_START_IMG = "#2980b9" # آبی
216
- APP_HEADER_GRADIENT_END_IMG = "#2ecc71" # سبز
217
-
218
- PANEL_BACKGROUND = "#FFFFFF"
219
- TEXT_INPUT_BG = "#F7F7F7" # یا #FFFFFF اگر در تصویر سفید است
220
- BUTTON_BG_IMG = "#2979FF" # آبی دکمه در تصویر
221
- MAIN_BACKGROUND_IMG = "linear-gradient(170deg, #E0F2FE 0%, #F3E8FF 100%)" # پس زمینه کلی تصویر (مایل به بنفش و آبی روشن)
222
-
223
  custom_css_inspired_by_image = f"""
224
  @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@300;400;500;700;800&display=swap');
225
  :root {{
226
  --app-font: 'Vazirmatn', sans-serif;
227
- --app-header-grad-start: {APP_HEADER_GRADIENT_START_IMG};
228
- --app-header-grad-end: {APP_HEADER_GRADIENT_END_IMG};
229
- --app-panel-bg: {PANEL_BACKGROUND};
230
- --app-input-bg: {TEXT_INPUT_BG};
231
- --app-button-bg: {BUTTON_BG_IMG};
232
- --app-main-bg: {MAIN_BACKGROUND_IMG};
233
  --app-text-primary: #333;
234
  --app-text-secondary: #555;
235
  --app-border-color: #E0E0E0;
236
- --radius-card: 20px; /* گردی بیشتر برای کارت اصلی */
237
  --radius-input: 8px;
238
  --shadow-card: 0 10px 30px -5px rgba(0,0,0,0.1);
239
  --shadow-button: 0 4px 10px -2px rgba(41,121,255,0.5);
@@ -250,11 +294,10 @@ footer {{display:none !important;}}
250
  .gr-button.generate-button-final {{ background: var(--app-button-bg) !important; color: white !important; border:none !important; border-radius: var(--radius-input) !important; padding: 0.8rem 1.5rem !important; font-weight: 700 !important; font-size:1.05em !important; transition: all 0.3s ease; box-shadow: var(--shadow-button); width:100%; margin-top:1.5rem !important; }}
251
  .gr-button.generate-button-final:hover {{ filter: brightness(1.1); transform: translateY(-2px); box-shadow: 0 6px 12px -3px rgba(41,121,255,0.6);}}
252
  .gr-input > label + div > textarea, .gr-dropdown > label + div > div > input, .gr-dropdown > label + div > div > select, .gr-textbox > label + div > textarea, .gr-file > label + div {{ border-radius: var(--radius-input) !important; border: 1px solid var(--app-border-color) !important; background-color: var(--app-input-bg) !important; box-shadow: inset 0 1px 2px rgba(0,0,0,0.05); padding: 0.75rem !important; }}
253
- .gr-file > label + div {{ text-align:center; border-style: dashed !important; }} /* ظاهر آپلود فایل */
254
  .gr-input > label + div > textarea:focus, .gr-dropdown > label + div > div > input:focus, .gr-textbox > label + div > textarea:focus {{ border-color: var(--app-button-bg) !important; box-shadow: 0 0 0 3px rgba(41,121,255,0.2) !important; }}
255
  label > .label-text {{ font-weight: 700 !important; color: var(--app-text-primary) !important; font-size: 0.95em !important; margin-bottom: 0.5rem !important; }}
256
  .section-title-main-alpha {{ font-size: 1.1em; color: var(--app-text-secondary); margin-bottom:1rem; padding-bottom: 0.5rem; border-bottom: 1px solid var(--app-border-color); font-weight:500; text-align:right; }}
257
- /* آیکون‌ها قبل از لیبل‌ها در تصویر نمونه */
258
  label > .label-text::before {{ margin-left: 8px; vertical-align: middle; opacity: 0.7; }}
259
  label[for*="text_input_main_alpha_v3"] > .label-text::before {{ content: '📝'; }}
260
  label[for*="speech_prompt_alpha_v3"] > .label-text::before {{ content: '🗣️'; }}
@@ -271,39 +314,36 @@ alpha_header_html_v3 = """
271
  <h1>Alpha TTS</h1>
272
  <p>جادوی تبدیل متن به صدا در دستان شما</p>
273
  </div>
274
- """ # بدون آیکون موشک، چون آیکون‌های تصویری نیاز به فایل دارند
275
 
276
  with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), css=custom_css_inspired_by_image, title="آلفا TTS") as demo:
277
  gr.HTML(alpha_header_html_v3)
278
 
279
  with gr.Column(elem_classes=["main-content-panel-alpha"]):
280
- # عنوان بخش حذف شد تا فضا کمتر گرفته شود و شبیه تصویر شود
281
- # gr.Markdown("<h3 class='section-title-main-alpha'>ورودی متن و تنظیمات</h3>")
282
-
283
  use_file_input_cb = gr.Checkbox(label="📄 استفاده از فایل متنی (.txt)", value=False, elem_id="use_file_cb_alpha_v3")
284
  uploaded_file_input = gr.File(
285
- label=" ", # لیبل خالی برای ظاهر شبیه تصویر
286
  file_types=['.txt'],
287
  visible=False,
288
  elem_id="file_uploader_alpha_main_v3"
289
  )
290
  text_to_speak_tb = gr.Textbox(
291
- label="متن فارسی برای تبدیل", # لیبل کوتاه‌تر
292
- placeholder="مثال: سلام، فردا هوا چطور است؟", # placeholder از تصویر
293
  lines=5,
294
- value="", # خالی در ابتدا
295
  visible=True,
296
  elem_id="text_input_main_alpha_v3"
297
  )
298
  use_file_input_cb.change(
299
- fn=lambda x: (gr.update(visible=x, label=" " if x else "متن فارسی برای تبدیل"), gr.update(visible=not x)), # تغییر لیبل فایل هنگام نمایش
300
  inputs=use_file_input_cb,
301
  outputs=[uploaded_file_input, text_to_speak_tb]
302
  )
303
 
304
  speech_prompt_tb = gr.Textbox(
305
  label="سبک گفتار (اختیاری)",
306
- placeholder="مثال: با لحنی شاد و پرانرژی", # placeholder کوتاه‌تر
307
  value="با لحنی دوستانه و رسا صحبت کن.",
308
  lines=2, elem_id="speech_prompt_alpha_v3"
309
  )
@@ -316,36 +356,31 @@ with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), c
316
  )
317
  gr.Markdown("<p class='temp_description_class_alpha_v3'>مقادیر بالاتر = تنوع بیشتر، مقادیر پایین‌تر = یکنواختی بیشتر.</p>")
318
 
319
- # فیلد نام فایل خروجی حذف شد
320
-
321
  generate_button = gr.Button("🚀 تولید و پخش صدا", elem_classes=["generate-button-final"], elem_id="generate_button_alpha_v3")
322
 
323
- # عنوان بخش نتیجه حذف شد
324
- output_audio = gr.Audio(label=" ", type="filepath", elem_id="output_audio_player_alpha_v3") # لیبل خالی
325
 
326
  generate_button.click(
327
  fn=gradio_tts_interface,
328
- inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ], # output_filename_base_tb حذف شد
329
  outputs=[output_audio]
330
  )
331
 
332
- # بخش Examples با استایل ساده‌تر و بدون عنوان جداگانه برای تطابق با ظاهر ساده شده
333
- # برای شباهت بیشتر به تصویر، می‌توان Examples را هم حذف کرد یا بسیار ساده‌تر کرد.
334
- # فعلا نگه می‌داریم اما با ظاهر ساده‌تر.
335
  gr.Markdown("<h3 class='section-title-main-alpha' style='margin-top:2.5rem; text-align:center; border-bottom:none;'>نمونه‌های کاربردی</h3>", elem_id="examples_section_title_v3")
336
  gr.Examples(
337
  examples=[
338
  [False, None, "سلام بر شما، امیدوارم روز خوبی داشته باشید.", "با لحنی گرم و صمیمی.", "Zephyr", 0.85],
339
  [False, None, "این یک آزمایش برای بررسی کیفیت صدای تولید شده توسط هوش مصنوعی آلفا است.", "با صدایی طبیعی و روان.", "Charon", 0.9],
340
  ],
341
- # ورودی‌ها باید با تابع اصلی مطابقت داشته باشند، output_filename_base_tb حذف شده
342
  inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
343
  outputs=[output_audio],
344
  fn=gradio_tts_interface,
345
  cache_examples=False
346
  )
347
- gr.Markdown("<p class='app-footer-final'>Alpha Language Learning © 2024</p>") # مشابه تصویر
348
-
349
 
350
  if __name__ == "__main__":
351
- demo.launch()
 
 
 
 
15
  except ImportError:
16
  PYDUB_AVAILABLE = False
17
 
18
+ # --- START: منطق چرخش API Key ---
19
+ GEMINI_API_KEYS = []
20
+ i = 1
21
+ while os.environ.get(f"GEMINI_API_KEY_{i}"):
22
+ GEMINI_API_KEYS.append(os.environ.get(f"GEMINI_API_KEY_{i}"))
23
+ i += 1
24
+
25
+ NUM_API_KEYS = len(GEMINI_API_KEYS)
26
+ CURRENT_KEY_INDEX = 0
27
+
28
+ def _log(message):
29
+ """تابع ساده شده برای لاگ کردن پیام‌ها به کنسول."""
30
+ print(f"[لاگ آلفا TTS] {message}")
31
+
32
+ if NUM_API_KEYS == 0:
33
+ _log("⛔️ خطای حیاتی: هیچ Secret با نام GEMINI_API_KEY_n یافت نشد!")
34
+ _log(" لطفاً Secret ها را مانند GEMINI_API_KEY_1, GEMINI_API_KEY_2, ... در تنظیمات Space خود اضافه کنید.")
35
+ # در یک محیط واقعی، ممکن است بخواهید اینجا برنامه را متوقف کنید
36
+ # exit(1)
37
+ else:
38
+ _log(f"✅ تعداد {NUM_API_KEYS} کلید API جیمینای بارگذاری شد.")
39
+
40
+ def get_next_api_key():
41
+ global CURRENT_KEY_INDEX
42
+ if NUM_API_KEYS == 0:
43
+ _log("⚠️ تلاش برای گرفتن کلید API در حالی که هیچ کلیدی بارگذاری نشده است.")
44
+ return None
45
+
46
+ key_to_use = GEMINI_API_KEYS[CURRENT_KEY_INDEX % NUM_API_KEYS]
47
+ key_display_index = (CURRENT_KEY_INDEX % NUM_API_KEYS) + 1
48
+ CURRENT_KEY_INDEX += 1
49
+ # _log(f"🔑 استفاده از کلید API شماره {key_display_index} (اندیس: {CURRENT_KEY_INDEX-1})") # لاگ دقیق‌تر برای دیباگ
50
+ return key_to_use, key_display_index
51
+ # --- END: منطق چرخش API Key ---
52
+
53
  SPEAKER_VOICES = [
54
  "Achird", "Zubenelgenubi", "Vindemiatrix", "Sadachbia", "Sadaltager",
55
  "Sulafat", "Laomedeia", "Achernar", "Alnilam", "Schedar", "Gacrux",
 
60
  FIXED_MODEL_NAME = "gemini-2.5-flash-preview-tts"
61
  DEFAULT_MAX_CHUNK_SIZE = 3800
62
  DEFAULT_SLEEP_BETWEEN_REQUESTS = 8
63
+ DEFAULT_OUTPUT_FILENAME_BASE = "alpha_tts_audio"
64
 
65
+ def save_binary_file(file_name, data):
 
 
 
66
  try:
67
  with open(file_name, "wb") as f: f.write(data)
68
+ # _log(f"💾 فایل ذخیره شد: {file_name}") # لاگ کمتر
69
  return file_name
70
  except Exception as e:
71
+ _log(f"❌ خطا در ذخیره فایل {file_name}: {e}")
72
  return None
73
 
74
  def convert_to_wav(audio_data: bytes, mime_type: str) -> bytes:
 
92
  except: pass
93
  return {"bits_per_sample": bits, "rate": rate}
94
 
95
+ def smart_text_split(text, max_size=3800):
96
  if len(text) <= max_size: return [text]
97
  chunks, current_chunk = [], ""
98
  sentences = re.split(r'(?<=[.!?؟])\s+', text)
 
107
  else: current_chunk += (" " if current_chunk else "") + sentence
108
  if current_chunk: chunks.append(current_chunk.strip())
109
  final_chunks = [c for c in chunks if c]
110
+ # _log(f"📊 متن به {len(final_chunks)} قطعه تقسیم شد.") # لاگ کمتر
111
  return final_chunks
112
 
113
+ def merge_audio_files_func(file_paths, output_path):
114
+ if not PYDUB_AVAILABLE: _log("⚠️ pydub برای ادغام در دسترس نیست."); return False
115
  try:
116
+ # _log(f"🔗 ادغام {len(file_paths)} فایل صوتی...") # لاگ کمتر
117
  combined = AudioSegment.empty()
118
  for i, fp in enumerate(file_paths):
119
  if os.path.exists(fp): combined += AudioSegment.from_file(fp) + (AudioSegment.silent(duration=150) if i < len(file_paths) - 1 else AudioSegment.empty())
120
+ else: _log(f"⚠️ فایل برای ادغام پیدا نشد: {fp}")
121
  combined.export(output_path, format="wav")
122
+ # _log(f"✅ فایل ادغام شده: {output_path}") # لاگ کمتر
123
+ return True
124
+ except Exception as e: _log(f"❌ خطا در ادغام فایل‌های صوتی: {e}"); return False
125
 
126
+ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_val):
127
+ _log("🚀 شروع فرآیند تولید صدا...")
128
+
129
+ output_base_name = DEFAULT_OUTPUT_FILENAME_BASE
130
  max_chunk, sleep_time = DEFAULT_MAX_CHUNK_SIZE, DEFAULT_SLEEP_BETWEEN_REQUESTS
131
+
132
+ selected_api_key, key_idx_display = get_next_api_key()
133
+
134
+ if not selected_api_key:
135
+ _log("❌ کلید API برای این درخواست در دسترس نیست. لطفاً از تنظیمات Secrets مطمئن شوید.")
136
+ return None
137
+
138
+ _log(f"⚙️ استفاده از کلید API شماره {key_idx_display} (پایان یافته با: ...{selected_api_key[-4:]})")
139
+
140
+ try:
141
+ client = genai.Client(api_key=selected_api_key)
142
+ except Exception as e:
143
+ _log(f"❌ خطا در مقداردهی اولیه کلاینت Gemini با کلید شماره {key_idx_display}: {e}")
144
+ return None
145
+
146
+ if not text_input or not text_input.strip():
147
+ _log("❌ متن ورودی خالی است.")
148
+ return None
149
+
150
+ text_chunks = smart_text_split(text_input, max_chunk)
151
+ if not text_chunks:
152
+ _log("❌ متن قابل پردازش به قطعات کوچکتر نیست.")
153
+ return None
154
 
155
  generated_files = []
156
  for i, chunk in enumerate(text_chunks):
157
+ # _log(f"🔊 پردازش قطعه {i+1}/{len(text_chunks)}...") # لاگ کمتر
158
  final_text = f'"{prompt_input}"\n{chunk}' if prompt_input and prompt_input.strip() else chunk
159
  contents = [types.Content(role="user", parts=[types.Part.from_text(text=final_text)])]
160
  config = types.GenerateContentConfig(temperature=temperature_val, response_modalities=["audio"],
161
  speech_config=types.SpeechConfig(voice_config=types.VoiceConfig(
162
  prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name=selected_voice))))
163
+ fname_base = f"{output_base_name}_part{i+1:03d}"
164
  try:
165
  response = client.models.generate_content(model=FIXED_MODEL_NAME, contents=contents, config=config)
166
  if response.candidates and response.candidates[0].content and response.candidates[0].content.parts and response.candidates[0].content.parts[0].inline_data:
 
169
  ext = mimetypes.guess_extension(inline_data.mime_type) or ".wav"
170
  if "audio/L" in inline_data.mime_type and ext == ".wav": data_buffer = convert_to_wav(data_buffer, inline_data.mime_type)
171
  if not ext.startswith("."): ext = "." + ext
172
+ fpath = save_binary_file(f"{fname_base}{ext}", data_buffer)
173
  if fpath: generated_files.append(fpath)
174
+ else: _log(f"⚠️ پاسخ API برای قطعه {i+1} بدون داده صوتی بود (با کلید شماره {key_idx_display}).")
175
+ except Exception as e:
176
+ _log(f"❌ خطا در تولید قطعه {i+1} با کلید شماره {key_idx_display}: {e}")
177
+ continue
178
  if i < len(text_chunks) - 1 and len(text_chunks) > 1: time.sleep(sleep_time)
179
 
180
+ if not generated_files:
181
+ _log(f" هیچ فایل صوتی با کلید شماره {key_idx_display} تولید نشد.")
182
+ return None
183
 
184
  final_audio_file = None
 
 
 
185
  final_output_path_base = f"{output_base_name}_final"
186
 
187
  if len(generated_files) > 1:
188
  if PYDUB_AVAILABLE:
189
+ merged_fn = f"{final_output_path_base}.wav"
190
+ if os.path.exists(merged_fn): os.remove(merged_fn)
191
+ if merge_audio_files_func(generated_files, merged_fn):
192
  final_audio_file = merged_fn
193
+ else: # اگر ادغام ناموفق بود
 
 
 
 
194
  if generated_files:
195
  try:
196
+ target_ext = os.path.splitext(generated_files[0])[1]
197
+ renamed_first_chunk = f"{final_output_path_base}{target_ext}"
198
+ if os.path.exists(renamed_first_chunk): os.remove(renamed_first_chunk)
199
+ os.rename(generated_files[0], renamed_first_chunk)
200
+ final_audio_file = renamed_first_chunk
201
  except Exception as e_rename:
202
+ _log(f"خطا در تغییر نام فایل اولین قطعه (پس از ادغام ناموفق): {e_rename}")
203
+ final_audio_file = generated_files[0]
204
+
205
+ # پاک کردن فایل‌های جزئی چه ادغام موفق بوده چه ناموفق
206
+ for fp_cleanup in generated_files:
207
+ if final_audio_file and os.path.abspath(fp_cleanup) == os.path.abspath(final_audio_file):
208
+ continue # فایل نهایی را پاک نکن
209
+ try: os.remove(fp_cleanup)
210
+ except: pass
211
+
212
  else:
213
+ _log("⚠️ pydub در دسترس نیست. اولین قطعه صوتی ارائه می‌شود.")
214
  if generated_files:
215
  try:
216
+ target_ext = os.path.splitext(generated_files[0])[1]
217
+ renamed_first_chunk = f"{final_output_path_base}{target_ext}"
218
+ if os.path.exists(renamed_first_chunk): os.remove(renamed_first_chunk)
219
+ os.rename(generated_files[0], renamed_first_chunk)
220
+ final_audio_file = renamed_first_chunk
221
  for i_gf in range(1, len(generated_files)): # پاک کردن بقیه فایل‌های جزئی
222
  try: os.remove(generated_files[i_gf])
223
  except: pass
224
  except Exception as e_rename_single:
225
+ _log(f"خطا در تغییر نام فایل اولین قطعه (بدون pydub): {e_rename_single}")
226
  final_audio_file = generated_files[0]
227
 
 
228
  elif len(generated_files) == 1:
229
  try:
 
230
  target_ext = os.path.splitext(generated_files[0])[1]
231
  final_single_fn = f"{final_output_path_base}{target_ext}"
232
  if os.path.exists(final_single_fn): os.remove(final_single_fn)
233
  os.rename(generated_files[0], final_single_fn)
234
  final_audio_file = final_single_fn
235
  except Exception as e_rename_single_final:
236
+ _log(f"خطا در تغییر نام فایل تکی نهایی: {e_rename_single_final}")
237
+ final_audio_file = generated_files[0]
238
 
239
+ if final_audio_file and os.path.exists(final_audio_file):
240
+ _log(f" فایل صوتی نهایی با موفقیت با کلید شماره {key_idx_display} تولید شد: {os.path.basename(final_audio_file)}")
241
+ elif final_audio_file:
242
+ _log(f"⚠️ فایل نهایی '{final_audio_file}' پس از پردازش وجود ندارد! (با کلید شماره {key_idx_display})")
243
+ return None
244
+ else:
245
+ _log(f"❓ وضعیت نامشخص برای فایل نهایی. (با کلید شماره {key_idx_display})")
246
  return None
247
+
248
  return final_audio_file
249
 
250
  def gradio_tts_interface(use_file_input, uploaded_file, text_to_speak, speech_prompt, speaker_voice, temperature, progress=gr.Progress(track_tqdm=True)):
 
251
  actual_text = ""
252
  if use_file_input:
253
  if uploaded_file:
254
  try:
255
  with open(uploaded_file.name, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
256
+ if not actual_text: _log("❌ فایل آپلود شده خالی است یا خوانده نشد."); return None
257
+ except Exception as e: _log(f"❌ خطا در خواندن فایل آپلود شده: {e}"); return None
258
+ else: _log("❌ گزینه استفاده از فایل انتخاب شده اما فایلی آپلود نشده."); return None
259
  else:
260
  actual_text = text_to_speak
261
+ if not actual_text or not actual_text.strip(): _log("❌ متن ورودی برای تبدیل خالی است."); return None
262
 
263
+ final_path = core_generate_audio(actual_text, speech_prompt, speaker_voice, temperature)
 
264
  return final_path
265
 
266
+ # --- CSS (بدون تغییر نسبت به کد شما) ---
 
 
 
 
 
 
 
 
 
 
 
 
267
  custom_css_inspired_by_image = f"""
268
  @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@300;400;500;700;800&display=swap');
269
  :root {{
270
  --app-font: 'Vazirmatn', sans-serif;
271
+ --app-header-grad-start: #2980b9; /* آبی */
272
+ --app-header-grad-end: #2ecc71; /* سبز */
273
+ --app-panel-bg: #FFFFFF;
274
+ --app-input-bg: #F7F7F7;
275
+ --app-button-bg: #2979FF;
276
+ --app-main-bg: linear-gradient(170deg, #E0F2FE 0%, #F3E8FF 100%);
277
  --app-text-primary: #333;
278
  --app-text-secondary: #555;
279
  --app-border-color: #E0E0E0;
280
+ --radius-card: 20px;
281
  --radius-input: 8px;
282
  --shadow-card: 0 10px 30px -5px rgba(0,0,0,0.1);
283
  --shadow-button: 0 4px 10px -2px rgba(41,121,255,0.5);
 
294
  .gr-button.generate-button-final {{ background: var(--app-button-bg) !important; color: white !important; border:none !important; border-radius: var(--radius-input) !important; padding: 0.8rem 1.5rem !important; font-weight: 700 !important; font-size:1.05em !important; transition: all 0.3s ease; box-shadow: var(--shadow-button); width:100%; margin-top:1.5rem !important; }}
295
  .gr-button.generate-button-final:hover {{ filter: brightness(1.1); transform: translateY(-2px); box-shadow: 0 6px 12px -3px rgba(41,121,255,0.6);}}
296
  .gr-input > label + div > textarea, .gr-dropdown > label + div > div > input, .gr-dropdown > label + div > div > select, .gr-textbox > label + div > textarea, .gr-file > label + div {{ border-radius: var(--radius-input) !important; border: 1px solid var(--app-border-color) !important; background-color: var(--app-input-bg) !important; box-shadow: inset 0 1px 2px rgba(0,0,0,0.05); padding: 0.75rem !important; }}
297
+ .gr-file > label + div {{ text-align:center; border-style: dashed !important; }}
298
  .gr-input > label + div > textarea:focus, .gr-dropdown > label + div > div > input:focus, .gr-textbox > label + div > textarea:focus {{ border-color: var(--app-button-bg) !important; box-shadow: 0 0 0 3px rgba(41,121,255,0.2) !important; }}
299
  label > .label-text {{ font-weight: 700 !important; color: var(--app-text-primary) !important; font-size: 0.95em !important; margin-bottom: 0.5rem !important; }}
300
  .section-title-main-alpha {{ font-size: 1.1em; color: var(--app-text-secondary); margin-bottom:1rem; padding-bottom: 0.5rem; border-bottom: 1px solid var(--app-border-color); font-weight:500; text-align:right; }}
 
301
  label > .label-text::before {{ margin-left: 8px; vertical-align: middle; opacity: 0.7; }}
302
  label[for*="text_input_main_alpha_v3"] > .label-text::before {{ content: '📝'; }}
303
  label[for*="speech_prompt_alpha_v3"] > .label-text::before {{ content: '🗣️'; }}
 
314
  <h1>Alpha TTS</h1>
315
  <p>جادوی تبدیل متن به صدا در دستان شما</p>
316
  </div>
317
+ """
318
 
319
  with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), css=custom_css_inspired_by_image, title="آلفا TTS") as demo:
320
  gr.HTML(alpha_header_html_v3)
321
 
322
  with gr.Column(elem_classes=["main-content-panel-alpha"]):
 
 
 
323
  use_file_input_cb = gr.Checkbox(label="📄 استفاده از فایل متنی (.txt)", value=False, elem_id="use_file_cb_alpha_v3")
324
  uploaded_file_input = gr.File(
325
+ label=" ",
326
  file_types=['.txt'],
327
  visible=False,
328
  elem_id="file_uploader_alpha_main_v3"
329
  )
330
  text_to_speak_tb = gr.Textbox(
331
+ label="متن فارسی برای تبدیل",
332
+ placeholder="مثال: سلام، فردا هوا چطور است؟",
333
  lines=5,
334
+ value="",
335
  visible=True,
336
  elem_id="text_input_main_alpha_v3"
337
  )
338
  use_file_input_cb.change(
339
+ fn=lambda x: (gr.update(visible=x, label=" " if x else "متن فارسی برای تبدیل"), gr.update(visible=not x)),
340
  inputs=use_file_input_cb,
341
  outputs=[uploaded_file_input, text_to_speak_tb]
342
  )
343
 
344
  speech_prompt_tb = gr.Textbox(
345
  label="سبک گفتار (اختیاری)",
346
+ placeholder="مثال: با لحنی شاد و پرانرژی",
347
  value="با لحنی دوستانه و رسا صحبت کن.",
348
  lines=2, elem_id="speech_prompt_alpha_v3"
349
  )
 
356
  )
357
  gr.Markdown("<p class='temp_description_class_alpha_v3'>مقادیر بالاتر = تنوع بیشتر، مقادیر پایین‌تر = یکنواختی بیشتر.</p>")
358
 
 
 
359
  generate_button = gr.Button("🚀 تولید و پخش صدا", elem_classes=["generate-button-final"], elem_id="generate_button_alpha_v3")
360
 
361
+ output_audio = gr.Audio(label=" ", type="filepath", elem_id="output_audio_player_alpha_v3")
 
362
 
363
  generate_button.click(
364
  fn=gradio_tts_interface,
365
+ inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
366
  outputs=[output_audio]
367
  )
368
 
 
 
 
369
  gr.Markdown("<h3 class='section-title-main-alpha' style='margin-top:2.5rem; text-align:center; border-bottom:none;'>نمونه‌های کاربردی</h3>", elem_id="examples_section_title_v3")
370
  gr.Examples(
371
  examples=[
372
  [False, None, "سلام بر شما، امیدوارم روز خوبی داشته باشید.", "با لحنی گرم و صمیمی.", "Zephyr", 0.85],
373
  [False, None, "این یک آزمایش برای بررسی کیفیت صدای تولید شده توسط هوش مصنوعی آلفا است.", "با صدایی طبیعی و روان.", "Charon", 0.9],
374
  ],
 
375
  inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
376
  outputs=[output_audio],
377
  fn=gradio_tts_interface,
378
  cache_examples=False
379
  )
380
+ gr.Markdown("<p class='app-footer-final'>Alpha Language Learning © 2024</p>")
 
381
 
382
  if __name__ == "__main__":
383
+ if NUM_API_KEYS > 0 : # فقط در صورتی که کلید API موجود باشد، برنامه را اجرا کن
384
+ demo.launch()
385
+ else:
386
+ _log("🔴 برنامه به دلیل عدم وجود کلید API جیمینای اجرا نشد. لطفاً Secrets را بررسی کنید.")