app.py

import gradio as gr
from transformers import VitsModel, AutoTokenizer
import torch
import scipy

# Load model and tokenizer
model = VitsModel.from_pretrained("facebook/mms-tts-azj-script_cyrillic")
tokenizer = AutoTokenizer.from_pretrained("facebook/mms-tts-azj-script_cyrillic")

def synthesize(text):
    inputs = tokenizer(text, return_tensors="pt")
    with torch.no_grad():
        output = model(**inputs).waveform
    audio = output.squeeze().numpy()
    return (model.config.sampling_rate, audio)

# Gradio UI
demo = gr.Interface(
    fn=synthesize,
    inputs=gr.Textbox(label="Nhập văn bản bằng tiếng Azerbaijan (Cyrillic)", lines=4, placeholder="Мəн сəни севирəм."),
    outputs=gr.Audio(label="Kết quả giọng nói", type="numpy"),
    title="🔊 MMS TTS AZJ - Cyrillic",
    description="Chuyển văn bản tiếng Azerbaijan (chữ Cyrillic) thành giọng nói bằng mô hình Facebook MMS-TTS."
)

demo.launch()