app.py

import torch
from transformers import VitsModel, AutoTokenizer
import numpy as np
import scipy.io.wavfile as wavfile
import gradio as gr

def yes(texte):
    model = VitsModel.from_pretrained("facebook/mms-tts-eng")
    tokenizer = AutoTokenizer.from_pretrained("facebook/mms-tts-eng")

    text = texte
    inputs = tokenizer(text, return_tensors="pt")

    with torch.no_grad():
        output = model(**inputs).waveform
    
    # Normaliser les données audio dans la plage [-1, 1]
    output_normalized = output / torch.max(torch.abs(output))

    # Convertir en tableau numpy avec le bon type
    audio_data = output_normalized.squeeze().cpu().numpy()

    # Mettre à l'échelle dans la plage de valeurs acceptées par WAV
    audio_data_scaled = np.int16(audio_data * 32767)

    # Enregistrer les données audio dans un fichier WAV
    wavfile.write("techno.wav", rate=model.config.sampling_rate, data=audio_data_scaled)

    with open("techno.wav",'rb') as audio:
      audio_data = audio.read()

    return audio_data

text = gr.Interface(fn=yes, inputs='text', outputs='audio')
text.launch(debug=True)