app.py

import gradio as gr
from openai import OpenAI
import tempfile
from pydub import AudioSegment

# Hàm kiểm tra API key hợp lệ
def check_api_key(api_key):
    try:
        client = OpenAI(api_key=api_key)
        client.models.list()  # Kiểm tra kết nối API
        return True
    except Exception as e:
        print(f"Error: {e}")
        return False

# Hàm điều chỉnh pitch
def adjust_pitch(audio_path, pitch_factor=1.0):
    """
    Điều chỉnh pitch của file âm thanh.
    :param audio_path: Đường dẫn đến file âm thanh.
    :param pitch_factor: Hệ số điều chỉnh pitch:
        - pitch_factor > 1.0: Tăng pitch (giọng cao hơn).
        - pitch_factor < 1.0: Giảm pitch (giọng trầm hơn).
    :return: Đường dẫn đến file âm thanh đã điều chỉnh.
    """
    audio = AudioSegment.from_file(audio_path)
    new_frame_rate = int(audio.frame_rate * pitch_factor)
    pitched_audio = audio._spawn(audio.raw_data, overrides={
        "frame_rate": new_frame_rate
    }).set_frame_rate(audio.frame_rate)
    pitched_audio.export(audio_path, format="mp3")
    return audio_path

# Hàm TTS (Text to Speech)
def tts(text, model, voice, speed, api_key, audio_file=None, pitch_factor=1.0):
    # Kiểm tra tính hợp lệ của API key
    if not api_key or api_key.strip() == "":
        raise gr.Error('Please enter your OpenAI API Key')
    
    if not check_api_key(api_key):
        raise gr.Error('Invalid OpenAI API Key. Please enter a valid API key.')

    try:
        client = OpenAI(api_key=api_key)
        
        # Nếu người dùng tải lên tệp âm thanh, sử dụng Whisper để chuyển thành văn bản
        if audio_file:
            audio_file = open(audio_file, 'rb')
            transcript = client.audio.transcriptions.create(model='whisper-1', file=audio_file, response_format='text')
            text = transcript  # Lấy văn bản từ tệp âm thanh

        # Tạo yêu cầu TTS với tốc độ điều chỉnh
        response = client.audio.speech.create(
            model=model,
            voice=voice,
            input=text,
            speed=speed
        )

    except Exception as error:
        print(str(error))
        raise gr.Error("An error occurred while generating speech. Please check your API key and try again.")

    # Lưu âm thanh vào tệp tạm thời
    with tempfile.NamedTemporaryFile(suffix=".mp3", delete=False) as temp_file:
        temp_file.write(response.content)
        temp_file_path = temp_file.name

    # Điều chỉnh pitch nếu pitch_factor khác 1.0
    if pitch_factor != 1.0:
        temp_file_path = adjust_pitch(temp_file_path, pitch_factor)

    return temp_file_path

# Hàm giao diện Gradio
def gradio_interface():
    with gr.Blocks() as demo:
        gr.Markdown("# <center> OpenAI Text-To-Speech V2.0 </center>")

        with gr.Row():
            # Cột bên trái: Nhập Text, chọn Model, Voice, Speed, Pitch và nút Generate
            with gr.Column(scale=2):
                api_key = gr.Textbox(type='password', label='Enter your OpenAI API Key', placeholder='Enter your OpenAI API key')

                with gr.Row():
                    model = gr.Dropdown(choices=['tts-1', 'tts-1-hd'], label='Model', value='tts-1', elem_id="model-dropdown", interactive=True)
                    voice = gr.Dropdown(
                        choices=['alloy', 'echo', 'onyx', 'nova'], 
                        label='Voice Options', 
                        value='echo',
                        elem_id="voice-dropdown", 
                        interactive=True
                    )

                speed = gr.Slider(minimum=0.5, maximum=2.0, step=0.1, label="Speed", value=1.0)
                pitch = gr.Slider(minimum=0.5, maximum=2.0, step=0.1, label="Pitch", value=1.0)  # Thêm thanh trượt pitch

                with gr.Row():
                    text = gr.Textbox(label="Input Text", placeholder="Enter your text here")
                btn = gr.Button("Generate Speech")

            # Cột bên phải: Upload audio và Speech Output
            with gr.Column(scale=2):
                input_type = gr.Radio(["Text", "Audio"], label="Input Type", value="Text")
                audio_file = gr.File(label="Upload Audio File")
                output_audio = gr.Audio(label="Speech Output")

        # Quy trình xử lý
        def process_input(input_type, text, audio_file, api_key, speed, pitch):
            if input_type == "Text":
                return tts(text, model.value, voice.value, speed, api_key, pitch_factor=pitch)
            elif input_type == "Audio":
                return tts(None, model.value, voice.value, speed, api_key, audio_file.name, pitch_factor=pitch)

        # Thiết lập sự kiện cho việc nhấn nút
        btn.click(fn=process_input, inputs=[input_type, text, audio_file, api_key, speed, pitch], outputs=output_audio)

    demo.launch()

if __name__ == "__main__":
    gradio_interface()