app.py

import gradio as gr
from transformers import AutoModel, AutoTokenizer  # 彻底不用AutoModelForTextToSpeech
import soundfile as sf
import torch
import os

# 换用超轻量中文TTS模型（体积仅1.2GB，免费Space无压力）
model_name = "yeyupiaoling/PP-TTS-v2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

# 手动分配设备（CPU优先，避免任何依赖冲突）
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)

# 语音生成函数（简化逻辑，确保稳定）
def generate_speech(text):
    if not text.strip():
        return None, "错误：请输入有效文本！"
    
    # 文本编码（适配模型要求）
    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=512).to(device)
    
    # 生成语音（关闭梯度计算，节省内存）
    with torch.no_grad():
        output = model.generate(**inputs)
        audio_output = output["wav"].cpu().numpy()[0]  # 提取音频数据
    
    # 保存音频（采样率24000Hz，适配模型输出）
    output_path = "output.wav"
    sf.write(output_path, audio_output, samplerate=24000)
    
    return output_path, "语音生成成功！（超轻量模型，适配免费Space）"

# 简洁界面（减少资源占用）
with gr.Blocks(title="轻量中文TTS") as demo:
    gr.Markdown("# 🎤 免费中文文本转语音")
    gr.Markdown("基于PP-TTS-v2模型（体积1.2GB），适配免费Space，生成快速稳定")
    
    text_input = gr.Textbox(
        label="输入中文文本",
        placeholder="请输入中文文本（建议≤500字）...",
        lines=4
    )
    audio_output = gr.Audio(label="生成的语音", type="filepath")
    status_text = gr.Textbox(label="状态", interactive=False)
    
    generate_btn = gr.Button("🚀 开始生成", variant="primary")
    generate_btn.click(
        fn=generate_speech,
        inputs=text_input,
        outputs=[audio_output, status_text]
    )

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