Upload 2 files

README.md

@@ -1,13 +1,26 @@
 ---
-title: Tts
-emoji: 🦀
-colorFrom: blue
-colorTo: red
+title: F5 TTS RU Bot Voice
+emoji: 🗣
+colorFrom: indigo
+colorTo: purple
 sdk: gradio
-sdk_version: 6.25.0
-python_version: '3.12'
+sdk_version: 5.8.0
 app_file: app.py
 pinned: false
+license: cc-by-nc-4.0
+short_description: Озвучка ответов Telegram-бота через F5-TTS_RUSSIAN
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+Внутренний Space для озвучки ответов бота — обёртка над
+[Misha24-10/F5-TTS_RUSSIAN](https://huggingface.co/Misha24-10/F5-TTS_RUSSIAN).
+Публичный интерфейс не нужен, дёргается ботом через `@gradio/client` по
+эндпоинту `/tts` (см. app.py).
+
+Файлы рядом с этим README:
+- `app.py` — сама модель и Gradio-интерфейс
+- `requirements.txt` — `f5-tts`, `gradio`, `soundfile`, `spaces`
+- `ref_voice.wav` — референсный голос для клонирования (5-15 сек чистой
+  речи, без музыки/шума)
+
+license — `cc-by-nc-4.0`, т.к. веса Misha24-10/F5-TTS_RUSSIAN идут под
+этой же лицензией (некоммерческое использование).

tts-space-app.py

@@ -0,0 +1,84 @@
+# ==== F5-TTS_RUSSIAN — свой минимальный Gradio Space, по образу GigaAM ====
+#
+# Деплой (как GigaAM):
+# 1. huggingface.co -> New Space -> SDK: Gradio -> Hardware: ZeroGPU
+#    (бесплатно, но с очередью и лимитом времени на вызов — для одной
+#    реплики этого достаточно; если не подойдёт, платный T4 small).
+# 2. Положить рядом с этим файлом:
+#    - requirements.txt (см. ниже)
+#    - ref_voice.wav — 5-15 секунд ЧИСТОЙ речи голосом, которым должен
+#      говорить бот (без музыки/шума на фоне, лучше строгая, ровная
+#      дикция — F5-TTS клонирует именно тембр и манеру произношения)
+#    - переписать REF_TEXT ниже на ТОЧНУЮ дословную расшифровку того, что
+#      реально сказано на ref_voice.wav (лишний/неточный текст — главная
+#      причина кривых результатов у F5-TTS)
+# 3. Закоммитить (через веб-интерфейс Space или git push) — Space сам
+#    соберётся и на первый вызов подтянет веса модели с HF (holodный
+#    старт может занять пару минут — это нормально).
+# 4. В переменных окружения бота на Render задать:
+#      TTS_SPACE=твой-юзернейм/имя-space
+#
+# requirements.txt:
+#   f5-tts
+#   gradio
+#   soundfile
+#   spaces
+
+import os
+import tempfile
+
+import gradio as gr
+import soundfile as sf
+import spaces
+from f5_tts.api import F5TTS
+
+# ---- Модель ----
+# F5TTS_v1_Base_v2 — самый свежий из выложенных чекпоинтов Misha24-10 на
+# момент написания; если на HF появится более новый (проверить
+# huggingface.co/Misha24-10/F5-TTS_RUSSIAN) — можно смело поменять здесь.
+REPO = "Misha24-10/F5-TTS_RUSSIAN"
+CKPT_SUBPATH = "F5TTS_v1_Base_v2/model_last_inference.safetensors"
+VOCAB_SUBPATH = "F5TTS_v1_Base_v2/vocab.txt"
+
+from huggingface_hub import hf_hub_download
+
+ckpt_path = hf_hub_download(REPO, CKPT_SUBPATH)
+vocab_path = hf_hub_download(REPO, VOCAB_SUBPATH)
+
+tts = F5TTS(
+    model="F5TTS_v1_Base",
+    ckpt_file=ckpt_path,
+    vocab_file=vocab_path,
+)
+
+# ---- Референсный голос ----
+REF_AUDIO = os.path.join(os.path.dirname(__file__), "ref_voice.wav")
+# !!! ОБЯЗАТЕЛЬНО заменить на точный текст, реально сказанный в ref_voice.wav
+REF_TEXT = "текст, который дословно произносится на референсном аудио"
+
+
+@spaces.GPU(duration=60)
+def tts_infer(text: str) -> str:
+    if not text or not text.strip():
+        raise gr.Error("пустой текст")
+
+    wav, sr, _ = tts.infer(
+        ref_file=REF_AUDIO,
+        ref_text=REF_TEXT,
+        gen_text=text.strip(),
+    )
+
+    out_path = tempfile.mktemp(suffix=".wav")
+    sf.write(out_path, wav, sr)
+    return out_path
+
+
+demo = gr.Interface(
+    fn=tts_infer,
+    inputs=gr.Textbox(label="Текст"),
+    outputs=gr.Audio(type="filepath", label="Озвучка"),
+    api_name="tts",  # именно этот путь бот дёргает как "/tts" через @gradio/client
+    title="F5-TTS_RUSSIAN — озвучка для бота",
+)
+
+demo.queue().launch()