File size: 2,756 Bytes
4488085 37c43ab f1938e2 93b1734 78fd7ce 93b1734 a30fda6 37c43ab a30fda6 2425131 93b1734 37c43ab a30fda6 37c43ab a30fda6 93b1734 a30fda6 37c43ab a30fda6 37c43ab a30fda6 37c43ab a30fda6 37c43ab a30fda6 d28dce8 a30fda6 37c43ab a30fda6 37c43ab a30fda6 37c43ab a30fda6 37c43ab a30fda6 37c43ab 93b1734 37c43ab |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 |
import os
import torch
import torchaudio
import gradio as gr
from src.chatterbox.mtl_tts import ChatterboxMultilingualTTS
from safetensors.torch import load_file as load_safetensors
from huggingface_hub import hf_hub_download
# --- تنظیمات اولیه ---
# همیشه روی CPU اجرا شود
device = "cpu"
my_token = os.getenv("HF_TOKEN")
print("--- Starting Application on CPU ---")
print("Loading model structure...")
multilingual_model = ChatterboxMultilingualTTS.from_pretrained(device=device)
print("Downloading weights...")
try:
model_path = hf_hub_download(
repo_id="Thomcles/Chatterbox-TTS-Persian-Farsi",
filename="t3_fa.safetensors",
token=my_token
)
print("Weights downloaded.")
except Exception as e:
print(f"Download Error: {e}")
raise e
print("Loading weights into model...")
# لود کردن مستقیم روی CPU
t3_state = load_safetensors(model_path, device="cpu")
multilingual_model.t3.load_state_dict(t3_state)
multilingual_model.t3.to(device).eval()
print("Model ready!")
# --- تابع اصلی تولید صدا ---
def generate_audio(text):
if not text:
return None
# محدودیت ۳۰۰ کاراکتر
if len(text) > 300:
text = text[:300]
try:
# تولید صدا (بدون نیاز به جابجایی به GPU)
with torch.no_grad(): # این دستور مصرف رم را کم میکند
wav_tensor = multilingual_model.generate(text, language_id=None)
# تبدیل خروجی برای گرادیو
audio_numpy = wav_tensor.squeeze().cpu().numpy()
return (multilingual_model.sr, audio_numpy)
except Exception as e:
print(f"Error: {e}")
raise gr.Error(f"خطا در تولید صدا: {e}")
# --- رابط کاربری ---
with gr.Blocks(title="مبدل متن به گفتار فارسی Chatterbox", theme=gr.themes.Soft()) as demo:
gr.Markdown(
"""
# مبدل متن به گفتار فارسی
(CPU)
"""
)
with gr.Row():
with gr.Column():
text_input = gr.TextArea(
label="متن فارسی را وارد کنید",
value="سلام! این یک تست روی پردازنده معمولی است.",
lines=3,
rtl=True,
max_length=300
)
submit_btn = gr.Button("🎧 تولید صدا", variant="primary")
with gr.Column():
audio_output = gr.Audio(label="پخش صدا", type="numpy")
submit_btn.click(
fn=generate_audio,
inputs=text_input,
outputs=audio_output
)
demo.launch()
|