Update app.py

app.py

@@ -6,24 +6,41 @@ from fastapi import FastAPI, UploadFile, File, Form, HTTPException
 from fastapi.responses import FileResponse
 from core.cloner import KokoClone
 
-# --- Chargement des modèles (une seule fois) ---
+# ── Chargement des modèles (une seule fois au démarrage) ──────────────────────
 print("Loading KokoClone models...")
 cloner = KokoClone()
 
-# --- FastAPI montée SUR l'app Gradio ---
-def clone_voice(text, lang, ref_audio_path):
+
+# ── Handlers Gradio ───────────────────────────────────────────────────────────
+
+def gradio_speak(text, lang, speed):
+    """TTS simple sans clone."""
+    if not text or not text.strip():
+        raise gr.Error("Veuillez entrer du texte.")
+    output_file = "gradio_speak_output.wav"
+    try:
+        cloner.speak(text=text, lang=lang, output_path=output_file, speed=float(speed))
+        return output_file
+    except Exception as e:
+        raise gr.Error(f"Erreur : {str(e)}")
+
+
+def gradio_clone(text, lang, ref_audio_path):
+    """TTS + voice cloning."""
     if not text or not text.strip():
         raise gr.Error("Please enter some text.")
     if not ref_audio_path:
         raise gr.Error("Please upload or record a reference audio file.")
-    output_file = "gradio_output.wav"
+    output_file = "gradio_clone_output.wav"
     try:
         cloner.generate(text=text, lang=lang, reference_audio=ref_audio_path, output_path=output_file)
         return output_file
     except Exception as e:
-        raise gr.Error(f"Error: {str(e)}")
+        raise gr.Error(f"An error occurred: {str(e)}")
+
 
-def convert_voice(source_audio_path, ref_audio_path):
+def gradio_convert(source_audio_path, ref_audio_path):
+    """Re-voicing audio source."""
     if not source_audio_path:
         raise gr.Error("Please upload a source audio file.")
     if not ref_audio_path:
@@ -33,46 +50,247 @@ def convert_voice(source_audio_path, ref_audio_path):
         cloner.convert(source_audio=source_audio_path, reference_audio=ref_audio_path, output_path=output_file)
         return output_file
     except Exception as e:
-        raise gr.Error(f"Error: {str(e)}")
+        raise gr.Error(f"An error occurred: {str(e)}")
+
+
+# ── Interface Gradio ──────────────────────────────────────────────────────────
+
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown(
+        """
+        <div style="text-align: center;">
+            <h1>🎧 KokoClone</h1>
+            <p>Synthèse vocale multilingue · Voice Cloning · Re-voicing</p>
+        </div>
+        """
+    )
 
-# --- UI Gradio (inchangée) ---
-with gr.Blocks() as demo:
-    gr.Markdown("<div style='text-align:center'><h1>🎧 KokoClone</h1></div>")
     with gr.Tabs():
+
+        # ── Onglet 1 : TTS Simple ─────────────────────────────────────────────
+        with gr.Tab("🗣️ Simple TTS"):
+            gr.Markdown(
+                """
+                Génère la parole directement avec une voix Kokoro — **aucun audio de référence requis**.
+                Idéal pour l'anglais et le français dans MikoHelper.
+                """
+            )
+            with gr.Row():
+                with gr.Column(scale=1):
+                    speak_text = gr.Textbox(
+                        label="Texte à lire",
+                        lines=5,
+                        placeholder="Hello! How are you today?\nBonjour ! Comment allez-vous ?"
+                    )
+                    speak_lang = gr.Dropdown(
+                        label="Langue / Voix",
+                        choices=[
+                            ("🇬🇧 English — af_bella (femme américaine)", "en"),
+                            ("🇫🇷 Français — ff_siwis (femme française)", "fr"),
+                            ("🇮🇳 Hindi — hf_alpha", "hi"),
+                            ("🇪🇸 Español — im_nicola", "es"),
+                            ("🇮🇹 Italiano — im_nicola", "it"),
+                            ("🇧🇷 Português — pf_dora", "pt"),
+                        ],
+                        value="en"
+                    )
+                    speak_speed = gr.Slider(
+                        label="Vitesse",
+                        minimum=0.5,
+                        maximum=1.5,
+                        value=1.0,
+                        step=0.1
+                    )
+                    speak_btn = gr.Button("🗣️ Générer l'audio", variant="primary", size="lg")
+
+                with gr.Column(scale=1):
+                    speak_out = gr.Audio(
+                        label="Audio généré",
+                        interactive=False,
+                        autoplay=True
+                    )
+                    gr.Markdown(
+                        """
+                        ### 💡 Voix disponibles
+                        - **EN** `af_bella` — femme, accent américain, claire et naturelle
+                        - **FR** `ff_siwis` — femme, accent français, fluide
+                        - **HI** `hf_alpha` — Hindi
+                        - **ES/IT** `im_nicola` — voix masculine
+                        - **PT** `pf_dora` — Portugais brésilien
+
+                        > Ajustez la **vitesse** pour les apprenants débutants (0.7–0.8 recommandé).
+                        """
+                    )
+
+            speak_btn.click(
+                fn=lambda: gr.update(value="⌛ Génération en cours...", interactive=False),
+                outputs=speak_btn
+            ).then(
+                fn=gradio_speak,
+                inputs=[speak_text, speak_lang, speak_speed],
+                outputs=speak_out
+            ).then(
+                fn=lambda: gr.update(value="🗣️ Générer l'audio", interactive=True),
+                outputs=speak_btn
+            )
+
+        # ── Onglet 2 : Text → Clone ───────────────────────────────────────────
         with gr.Tab("🎤 Text → Clone"):
+            gr.Markdown("Synthétise le texte puis applique la voix d'un audio de référence.")
             with gr.Row():
-                with gr.Column():
-                    text_input = gr.Textbox(label="Text", lines=4)
-                    lang_input = gr.Dropdown(
-                        choices=[("English","en"),("French","fr"),("Hindi","hi"),
-                                 ("Japanese","ja"),("Chinese","zh"),("Spanish","es")],
-                        value="en", label="Language"
+                with gr.Column(scale=1):
+                    clone_text = gr.Textbox(
+                        label="1. Texte à synthétiser",
+                        lines=4,
+                        placeholder="Enter the text you want spoken..."
+                    )
+                    clone_lang = gr.Dropdown(
+                        label="2. Langue",
+                        choices=[
+                            ("English", "en"),
+                            ("Français", "fr"),
+                            ("Hindi", "hi"),
+                            ("Japanese", "ja"),
+                            ("Chinese", "zh"),
+                            ("Español", "es"),
+                            ("Italiano", "it"),
+                            ("Português", "pt"),
+                        ],
+                        value="en"
+                    )
+                    clone_ref = gr.Audio(
+                        label="3. Audio de référence (upload ou enregistrement)",
+                        type="filepath"
                     )
-                    ref_audio = gr.Audio(label="Reference Voice", type="filepath")
-                    btn = gr.Button("🚀 Generate", variant="primary")
-                with gr.Column():
-                    out_audio = gr.Audio(label="Output", interactive=False)
-            btn.click(clone_voice, inputs=[text_input, lang_input, ref_audio], outputs=out_audio)
+                    clone_btn = gr.Button("🚀 Générer avec clonage", variant="primary", size="lg")
 
+                with gr.Column(scale=1):
+                    clone_out = gr.Audio(
+                        label="Audio cloné",
+                        interactive=False,
+                        autoplay=False
+                    )
+                    gr.Markdown(
+                        """
+                        ### 💡 Conseils
+                        - Audio de référence propre, sans bruit de fond
+                        - 3 à 10 secondes = résultat optimal
+                        - La langue sélectionnée doit correspondre au texte
+                        """
+                    )
+
+            clone_btn.click(
+                fn=lambda: gr.update(value="⌛ Génération...", interactive=False),
+                outputs=clone_btn
+            ).then(
+                fn=gradio_clone,
+                inputs=[clone_text, clone_lang, clone_ref],
+                outputs=clone_out
+            ).then(
+                fn=lambda: gr.update(value="🚀 Générer avec clonage", interactive=True),
+                outputs=clone_btn
+            )
+
+        # ── Onglet 3 : Audio → Clone ──────────────────────────────────────────
         with gr.Tab("🔁 Audio → Clone"):
+            gr.Markdown("Re-voice un audio existant pour qu'il sonne comme la voix de référence.")
             with gr.Row():
-                with gr.Column():
-                    src_audio = gr.Audio(label="Source Audio", type="filepath")
-                    ref_audio2 = gr.Audio(label="Reference Voice", type="filepath")
-                    btn2 = gr.Button("🔁 Convert", variant="primary")
-                with gr.Column():
-                    out_audio2 = gr.Audio(label="Output", interactive=False)
-            btn2.click(convert_voice, inputs=[src_audio, ref_audio2], outputs=out_audio2)
-
-# --- Montage FastAPI ---
+                with gr.Column(scale=1):
+                    convert_src = gr.Audio(
+                        label="1. Audio source (parole à re-voicer)",
+                        type="filepath"
+                    )
+                    convert_ref = gr.Audio(
+                        label="2. Voix de référence (locuteur cible)",
+                        type="filepath"
+                    )
+                    convert_btn = gr.Button("🔁 Convertir la voix", variant="primary", size="lg")
+
+                with gr.Column(scale=1):
+                    convert_out = gr.Audio(
+                        label="Audio converti",
+                        interactive=False,
+                        autoplay=False
+                    )
+                    gr.Markdown(
+                        """
+                        ### 💡 Comment ça marche
+                        - Uploadez n'importe quel enregistrement vocal comme **source**
+                        - Uploadez un court clip du **locuteur cible** comme référence
+                        - KokoClone re-voice la source pour sonner comme la référence
+                        - Aucune transcription nécessaire !
+                        """
+                    )
+
+            convert_btn.click(
+                fn=lambda: gr.update(value="⌛ Conversion...", interactive=False),
+                outputs=convert_btn
+            ).then(
+                fn=gradio_convert,
+                inputs=[convert_src, convert_ref],
+                outputs=convert_out
+            ).then(
+                fn=lambda: gr.update(value="🔁 Convertir la voix", interactive=True),
+                outputs=convert_btn
+            )
+
+
+# ── FastAPI montée sur Gradio ─────────────────────────────────────────────────
+
 app = gr.mount_gradio_app(FastAPI(), demo, path="/")
 
+
+@app.get("/api/voices")
+def list_voices():
+    """Liste toutes les voix disponibles."""
+    return {
+        "voices": [
+            {"lang": "en", "voice": "af_bella",  "description": "English - American Female"},
+            {"lang": "fr", "voice": "ff_siwis",  "description": "French - Female"},
+            {"lang": "hi", "voice": "hf_alpha",  "description": "Hindi - Female"},
+            {"lang": "es", "voice": "im_nicola", "description": "Spanish - Male"},
+            {"lang": "it", "voice": "im_nicola", "description": "Italian - Male"},
+            {"lang": "pt", "voice": "pf_dora",   "description": "Portuguese BR - Female"},
+        ]
+    }
+
+
+@app.post("/api/speak")
+async def api_speak(
+    text: str = Form(...),
+    lang: str = Form(default="en"),
+    speed: float = Form(default=1.0),
+):
+    """
+    TTS simple sans clone.
+    - text  : texte à synthétiser
+    - lang  : 'en', 'fr', 'hi', 'es', 'it', 'pt'
+    - speed : vitesse (0.5 – 1.5), défaut 1.0
+    Retourne un fichier WAV.
+    """
+    out_path = tempfile.mktemp(suffix=".wav")
+    try:
+        cloner.speak(text=text, lang=lang, output_path=out_path, speed=speed)
+        return FileResponse(out_path, media_type="audio/wav", filename="speech.wav")
+    except ValueError as e:
+        raise HTTPException(status_code=400, detail=str(e))
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+
 @app.post("/api/clone")
 async def api_clone(
     text: str = Form(...),
     lang: str = Form(default="en"),
-    reference_audio: UploadFile = File(...)
+    reference_audio: UploadFile = File(...),
 ):
+    """
+    TTS + voice cloning.
+    - text            : texte à synthétiser
+    - lang            : langue
+    - reference_audio : fichier audio WAV de référence
+    Retourne un fichier WAV cloné.
+    """
     with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as ref_tmp:
         shutil.copyfileobj(reference_audio.file, ref_tmp)
         ref_path = ref_tmp.name
@@ -83,13 +301,21 @@ async def api_clone(
     except Exception as e:
         raise HTTPException(status_code=500, detail=str(e))
     finally:
-        os.unlink(ref_path)
+        if os.path.exists(ref_path):
+            os.unlink(ref_path)
+
 
 @app.post("/api/convert")
 async def api_convert(
     source_audio: UploadFile = File(...),
-    reference_audio: UploadFile = File(...)
+    reference_audio: UploadFile = File(...),
 ):
+    """
+    Re-voicing audio source → voix de référence.
+    - source_audio    : parole à re-voicer
+    - reference_audio : locuteur cible
+    Retourne un fichier WAV converti.
+    """
     with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as src_tmp:
         shutil.copyfileobj(source_audio.file, src_tmp)
         src_path = src_tmp.name
@@ -103,5 +329,7 @@ async def api_convert(
     except Exception as e:
         raise HTTPException(status_code=500, detail=str(e))
     finally:
-        os.unlink(src_path)
-        os.unlink(ref_path)
+        if os.path.exists(src_path):
+            os.unlink(src_path)
+        if os.path.exists(ref_path):
+            os.unlink(ref_path)