Create app.py

app.py

@@ -0,0 +1,179 @@
+"""
+Répétiteur Vocal — POC (Bac tchadien, Maths série D, français)
+Pipeline : Vocale élève → ASR (faster-whisper) → LLM (Qwen2.5 via HF Inference)
+           → TTS (MMS-TTS français) → Vocale réponse
+
+100% modèles open-source. Conçu pour un Space HF gratuit (CPU 2 vCPU).
+Secret requis dans le Space : HF_TOKEN (token HuggingFace, lecture suffit).
+"""
+
+import os
+import re
+import tempfile
+
+import gradio as gr
+import numpy as np
+import scipy.io.wavfile as wavfile
+import torch
+from faster_whisper import WhisperModel
+from huggingface_hub import InferenceClient
+from transformers import AutoTokenizer, VitsModel
+
+# ---------------------------------------------------------------------------
+# Configuration
+# ---------------------------------------------------------------------------
+HF_TOKEN = os.environ.get("HF_TOKEN")
+LLM_MODEL = "Qwen/Qwen2.5-7B-Instruct"   # open-source, servi par HF Inference
+ASR_MODEL_SIZE = "small"                  # bon compromis qualité/vitesse CPU
+TTS_MODEL = "facebook/mms-tts-fra"        # VITS français, très léger
+
+SYSTEM_PROMPT = """Tu es un répétiteur de mathématiques pour des élèves de \
+Terminale D au Tchad qui préparent le baccalauréat. Tu expliques comme un \
+grand frère patient, en français simple et clair.
+
+Règles impératives :
+1. Ta réponse sera LUE À VOIX HAUTE : écris tout en toutes lettres. \
+Jamais de symboles mathématiques. Écris "x au carré" et non "x²", \
+"racine de deux" et non "√2", "un demi" et non "1/2", "moins trois" et non "-3".
+2. Pas de listes, pas de titres, pas de formatage : uniquement des phrases \
+courtes qui s'enchaînent naturellement à l'oral.
+3. Maximum 150 mots. Va à l'essentiel : l'idée clé, puis un petit exemple.
+4. Utilise des exemples concrets de la vie au Tchad quand c'est possible \
+(marché, francs CFA, distances entre villes).
+5. Termine par une question courte pour vérifier que l'élève a compris.
+6. Si la question ne concerne pas les études, ramène gentiment l'élève \
+vers ses révisions."""
+
+# ---------------------------------------------------------------------------
+# Chargement des modèles locaux (une seule fois au démarrage du Space)
+# ---------------------------------------------------------------------------
+print("Chargement ASR (faster-whisper)...")
+asr_model = WhisperModel(ASR_MODEL_SIZE, device="cpu", compute_type="int8")
+
+print("Chargement TTS (MMS-TTS français)...")
+tts_model = VitsModel.from_pretrained(TTS_MODEL)
+tts_tokenizer = AutoTokenizer.from_pretrained(TTS_MODEL)
+tts_model.eval()
+
+llm_client = InferenceClient(model=LLM_MODEL, token=HF_TOKEN)
+print("Modèles prêts.")
+
+# ---------------------------------------------------------------------------
+# Briques du pipeline
+# ---------------------------------------------------------------------------
+def transcrire(audio_path: str) -> str:
+    """Vocale de l'élève → texte (français)."""
+    segments, _ = asr_model.transcribe(audio_path, language="fr", beam_size=5)
+    return " ".join(seg.text.strip() for seg in segments).strip()
+
+
+def repondre(question: str, historique: list) -> str:
+    """Question → explication du répétiteur (via LLM open-source)."""
+    messages = [{"role": "system", "content": SYSTEM_PROMPT}]
+    # On garde les 3 derniers échanges pour le contexte (limite les coûts/latence)
+    for q, r in historique[-3:]:
+        messages.append({"role": "user", "content": q})
+        messages.append({"role": "assistant", "content": r})
+    messages.append({"role": "user", "content": question})
+
+    reponse = llm_client.chat_completion(
+        messages=messages, max_tokens=350, temperature=0.4
+    )
+    return reponse.choices[0].message.content.strip()
+
+
+def nettoyer_pour_tts(texte: str) -> str:
+    """Filet de sécurité : retire le formatage résiduel avant synthèse."""
+    texte = re.sub(r"[*_#`>\[\]()]", " ", texte)      # markdown résiduel
+    texte = re.sub(r"\s+", " ", texte)                 # espaces multiples
+    return texte.strip()
+
+
+def synthetiser(texte: str) -> str:
+    """Texte → fichier wav (voix française MMS)."""
+    texte = nettoyer_pour_tts(texte)
+    inputs = tts_tokenizer(texte, return_tensors="pt")
+    with torch.no_grad():
+        waveform = tts_model(**inputs).waveform
+    audio = waveform.squeeze().cpu().numpy()
+    audio = (audio / np.max(np.abs(audio)) * 32767).astype(np.int16)
+
+    out_path = tempfile.NamedTemporaryFile(suffix=".wav", delete=False).name
+    wavfile.write(out_path, tts_model.config.sampling_rate, audio)
+    return out_path
+
+
+# ---------------------------------------------------------------------------
+# Logique de l'interface
+# ---------------------------------------------------------------------------
+def traiter(audio_path, question_texte, historique):
+    historique = historique or []
+
+    # 1. Récupérer la question (vocale prioritaire, sinon texte)
+    if audio_path:
+        question = transcrire(audio_path)
+    elif question_texte and question_texte.strip():
+        question = question_texte.strip()
+    else:
+        return None, "", "Envoie une vocale ou écris ta question 🙂", historique
+
+    if not question:
+        return None, "", "Je n'ai pas bien entendu, réessaie en parlant plus fort.", historique
+
+    # 2. Réponse du répétiteur
+    try:
+        explication = repondre(question, historique)
+    except Exception as e:
+        return None, question, f"Erreur LLM (vérifie le secret HF_TOKEN) : {e}", historique
+
+    # 3. Synthèse vocale
+    try:
+        audio_reponse = synthetiser(explication)
+    except Exception:
+        audio_reponse = None  # on affiche au moins le texte
+
+    historique.append((question, explication))
+    return audio_reponse, question, explication, historique
+
+
+# ---------------------------------------------------------------------------
+# Interface Gradio
+# ---------------------------------------------------------------------------
+with gr.Blocks(title="Répétiteur Vocal — POC") as demo:
+    gr.Markdown(
+        """
+        # 🎓 Répétiteur Vocal — Maths Terminale D (POC)
+        Pose ta question **en vocale** (ou par écrit) et reçois une explication
+        **parlée**, comme avec un répétiteur.
+        *Modèles 100% open-source : Whisper · Qwen2.5 · MMS-TTS.*
+        """
+    )
+
+    etat = gr.State([])
+
+    with gr.Row():
+        with gr.Column():
+            micro = gr.Audio(
+                sources=["microphone", "upload"],
+                type="filepath",
+                label="🎤 Ta question en vocale",
+            )
+            texte = gr.Textbox(
+                label="…ou écris ta question",
+                placeholder="Ex : je n'ai pas compris les suites arithmétiques",
+            )
+            bouton = gr.Button("Envoyer au répétiteur", variant="primary")
+
+        with gr.Column():
+            sortie_audio = gr.Audio(label="🔊 Réponse du répétiteur", autoplay=True)
+            transcription = gr.Textbox(label="Ta question (transcrite)")
+            reponse_texte = gr.Textbox(label="Explication (texte)", lines=6)
+
+    bouton.click(
+        traiter,
+        inputs=[micro, texte, etat],
+        outputs=[sortie_audio, transcription, reponse_texte, etat],
+    )
+
+if __name__ == "__main__":
+    demo.launch()