Create app.py

app.py

@@ -0,0 +1,57 @@
+import gradio as gr
+from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor
+import torch
+import tempfile
+
+# مدل TTS فارسی
+MODEL_ID = "harveenchadha/vits-fa"
+
+processor = AutoProcessor.from_pretrained(MODEL_ID)
+model = AutoModelForSpeechSeq2Seq.from_pretrained(MODEL_ID)
+
+device = "cuda" if torch.cuda.is_available() else "cpu"
+model = model.to(device)
+
+def tts_batch(texts):
+    outputs = []
+    for idx, text in enumerate(texts):
+        if not text.strip():
+            outputs.append(None)
+            continue
+        inputs = processor(text=text, return_tensors="pt").to(device)
+        with torch.no_grad():
+            speech = model.generate(**inputs)
+        # فایل موقتی بساز برای هر خروجی
+        temp_wav = tempfile.NamedTemporaryFile(delete=False, suffix=".wav")
+        processor.save_wav(speech, temp_wav.name)
+        outputs.append(temp_wav.name)
+    return outputs
+
+# رابط کاربری با ۵ ورودی متن
+with gr.Blocks(title="Persian Multi-Text TTS") as demo:
+    gr.Markdown("## 🎙️ مبدل همزمان متن به گفتار فارسی (۵ ورودی)")
+    gr.Markdown("متن‌های زیر را پر کن تا پنج فایل صوتی جداگانه بسازد:")
+
+    with gr.Row():
+        text1 = gr.Textbox(label="متن ۱", lines=2)
+        text2 = gr.Textbox(label="متن ۲", lines=2)
+        text3 = gr.Textbox(label="متن ۳", lines=2)
+        text4 = gr.Textbox(label="متن ۴", lines=2)
+        text5 = gr.Textbox(label="متن ۵", lines=2)
+
+    btn = gr.Button("🔊 تبدیل به صدا")
+
+    with gr.Row():
+        out1 = gr.Audio(label="خروجی ۱", type="filepath")
+        out2 = gr.Audio(label="خروجی ۲", type="filepath")
+        out3 = gr.Audio(label="خروجی ۳", type="filepath")
+        out4 = gr.Audio(label="خروجی ۴", type="filepath")
+        out5 = gr.Audio(label="خروجی ۵", type="filepath")
+
+    btn.click(
+        fn=tts_batch,
+        inputs=[text1, text2, text3, text4, text5],
+        outputs=[out1, out2, out3, out4, out5]
+    )
+
+demo.launch()