app.py

"""
Espacio de Hugging Face: Text-to-Speech (MMS-TTS)
==================================================
Modelo: facebook/mms-tts-spa

Entrada: Texto en español
Salida: Audio WAV
"""

import gradio as gr
import numpy as np
import tempfile
import os
from transformers import pipeline


class TTSService:
    def __init__(self):
        print("Cargando modelo TTS (facebook/mms-tts-spa)...")
        self.synthesizer = pipeline(
            "text-to-speech",
            model="facebook/mms-tts-spa",
            device=-1,  # CPU
        )
        print("Modelo TTS cargado correctamente.")

    def synthesize(self, text: str) -> str:
        """Genera audio a partir del texto y devuelve la ruta del archivo."""
        output = self.synthesizer(text)
        
        if isinstance(output, list):
            output = output[0]

        waveform = np.asarray(output["audio"])
        sampling_rate = int(output["sampling_rate"])

        # Normalizar forma del audio
        if waveform.ndim == 2:
            if waveform.shape[0] <= 8 and waveform.shape[1] > waveform.shape[0]:
                waveform = waveform.T
            if waveform.shape[1] == 1:
                waveform = waveform[:, 0]

        # Convertir a int16
        if waveform.dtype.kind == "f":
            waveform = np.clip(waveform, -1.0, 1.0)
            waveform_int16 = (waveform * 32767).astype(np.int16)
        else:
            waveform_int16 = waveform.astype(np.int16)

        # Guardar como WAV temporal
        import scipy.io.wavfile
        temp_file = tempfile.NamedTemporaryFile(suffix=".wav", delete=False)
        scipy.io.wavfile.write(temp_file.name, sampling_rate, waveform_int16)
        
        return temp_file.name


# Inicializar servicio
print("Inicializando servicio TTS...")
service = TTSService()
print("Servicio listo.")


def texto_a_voz(texto: str) -> str:
    """Función principal para Gradio."""
    if not texto or not texto.strip():
        return None
    
    try:
        audio_path = service.synthesize(texto)
        return audio_path
    except Exception as e:
        print(f"Error: {e}")
        return None


# Interfaz Gradio
iface = gr.Interface(
    fn=texto_a_voz,
    inputs=gr.Textbox(
        lines=5,
        placeholder="Escribe el texto que quieres escuchar...",
        label="Texto"
    ),
    outputs=gr.Audio(label="Audio Generado", type="filepath"),
    title="🔊 Text-to-Speech (MMS-TTS)",
    description="Convierte texto en español a voz usando el modelo MMS-TTS de Facebook.",
    examples=[
        ["Hola, esto es una prueba del sistema de texto a voz."],
        ["La inteligencia artificial está revolucionando el mundo."]
    ],
    flagging_mode="never",
)

if __name__ == "__main__":
    iface.launch()