Hugging Face Space

app.py

@@ -2,6 +2,22 @@ import tempfile
 import time
 import os
 
+# Monkey patch to avoid gradio_client.utils APIInfoParseError when parsing schemas
+try:
+    import gradio_client.utils as client_utils
+    def _safe_json_schema_to_python_type(schema, defs=None):
+        if isinstance(schema, bool):
+            return "Any"
+        try:
+            return client_utils._orig_json_schema_to_python_type(schema, defs)
+        except Exception:
+            return "Any"
+    if not hasattr(client_utils, "_orig_json_schema_to_python_type"):
+        client_utils._orig_json_schema_to_python_type = client_utils._json_schema_to_python_type
+        client_utils._json_schema_to_python_type = _safe_json_schema_to_python_type
+except ImportError:
+    pass
+
 import gradio as gr
 from scipy.io.wavfile import write as write_wav
 
@@ -22,49 +38,46 @@ def clone_and_generate(uploaded_audio_path, transcript, script):
     if uploaded_audio_path is None or not transcript or not script:
         return None, "⚠️ 音声・文字起こし・台本をすべて入力してください"
 
-    # 入力ファイルパス
     audio_path = uploaded_audio_path
-
-    # 一意なプロンプト名でクローンプロンプト生成
     prompt_name = f"prompt_{int(time.time())}"
     make_prompt(name=prompt_name, audio_prompt_path=audio_path, transcript=transcript)
-
-    # 合成実行
     audio_array = generate_audio(script, prompt=prompt_name)
-
-    # 出力WAV保存
     out_path = os.path.join(tempfile.gettempdir(), f"{prompt_name}_generated.wav")
     write_wav(out_path, SAMPLE_RATE, audio_array)
-
     return out_path, "✅ 生成完了しました！🎉"
 
 # ---------------- Gradio UI 定義 ----------------
-with gr.Blocks(title="VALL‑E‑X_JP-Voice-Cloner") as demo:
+with gr.Blocks(title="VALL‑E‑X 音声クローン Web アプリ (Spaces向け)") as demo:
     gr.Markdown("""
-    # 🎙️ VALL‑E‑X_JP-Voice-Cloner
-    日本語対応の音声クローンアプリ（Hugging Face Spaces 向け）です。
+    # 🐾 VALL‑E‑X 音声クローン Web アプリ (Hugging Face Spaces 向け)
+
+    1. **クローン元音声**（1〜3秒の WAV 推奨）をアップロード
+    2. **文字起こし**（クローン元音声に対応するテキスト）を入力
+    3. **台本**（生成したいセリフ）を入力
+    4. **▶️ 音声生成** ボタンを押すと自動で生成されます
 
-    1. クローン元音声（1～3秒のWAV）をアップロード
-    2. 文字起こしを入力
-    3. 台本セリフを入力
-    4. [🎙️ 音声生成]ボタンで合成結果が再生されます
+    **📝 Hugging Face Spaces でのデプロイ方法**
+    - このリポジトリを Spaces のコードタブにコピー
+    - `app.py` を設定後、Spaces の `Settings` > `Hardware` で GPU を有効化（必要に応じて）
+    - `requirements.txt` に必要パッケージを追加
+    - 変更をコミットすると自動でビルド＆公開されます
     """)
 
     with gr.Row():
         with gr.Column():
             audio_in = gr.Audio(label="① クローン元音声", type="filepath")
-            transcript_in = gr.Textbox(label="② 文字起こし", lines=2, placeholder="例）これはテストの音声です。")
-            script_in = gr.Textbox(label="③ 台本セリフ", lines=4, placeholder="例）今日はいい天気ですね、ご主人様。")
+            transcript_in = gr.Textbox(label="② クローン元文字起こし", lines=2, placeholder="例）これはテストの音声です。")
+            script_in = gr.Textbox(label="③ 台本（生成したいセリフ）", lines=4, placeholder="例）今日はいい天気ですね、ご主人様。")
             generate_btn = gr.Button("🎙️ 音声生成", variant="primary")
 
         with gr.Column():
-            output_audio = gr.Audio(label="生成された音声", interactive=True)
-            status = gr.Textbox(label="ステータス", interactive=False)
+            output_audio = gr.Audio(label="生成された音声", interactive=False)
+            status = gr.Textbox(label="ステータス / ログ", interactive=False)
 
     generate_btn.click(fn=clone_and_generate,
                        inputs=[audio_in, transcript_in, script_in],
                        outputs=[output_audio, status])
 
-# Spaces環境ではこの1行でOK
 if __name__ == "__main__":
-    demo.launch()
+    # Spaces 環境では share=True は不要
+    demo.launch(share=True)