app.py

import gradio as gr
from transformers import pipeline
import scipy
import tempfile

# Charger le pipeline text-to-speech avec le modèle suno/bark
synthesiser = pipeline("text-to-speech", "suno/bark")

def tts_infer(text):
    # Générer l'audio à partir du texte
    speech = synthesiser(text, forward_params={"do_sample": True})
    # Sauvegarder l'audio dans un fichier temporaire WAV
    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as fp:
        scipy.io.wavfile.write(fp.name, rate=speech["sampling_rate"], data=speech["audio"])
        audio_path = fp.name
    return audio_path

# Interface Gradio
with gr.Blocks() as demo:
    gr.Markdown("# Text-to-Audio avec suno/bark 🐶\nEntrez un texte et écoutez le résultat !")
    with gr.Row():
        with gr.Column():
            text_input = gr.Textbox(label="Texte à synthétiser", placeholder="Tapez votre texte ici...", lines=2)
            run_btn = gr.Button("Générer l'audio")
        with gr.Column():
            audio_output = gr.Audio(label="Audio généré", type="filepath")
    run_btn.click(fn=tts_infer, inputs=text_input, outputs=audio_output)

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