File size: 1,441 Bytes
44fef66
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
# app.py
import gradio as gr
from transformers import pipeline
import numpy as np

# WICHTIG: Verwenden Sie ein schnelles und einfaches TTS-Modell.
# 'espnet/kan-bayashi_vits' ist gut, aber wählen Sie ggf. ein alternatives, falls es zu groß ist.
TTS_MODEL = "espnet/kan-bayashi_vits" 

# Lade die Pipeline (dies passiert beim Start des Space)
# Die Pipeline fasst Tokenizer, Transformer und Head zusammen.
synthesizer = pipeline("text-to-speech", model=TTS_MODEL)

# Funktion, die der Gradio-Block aufruft
def generate_speech(text):
    # Die Speaker ID wird im Gradio-Interface oft nicht direkt unterstützt,
    # daher lassen wir sie für diese einfache Demo weg.
    
    # Inferenz: Text wird in Audio umgewandelt
    output = synthesizer(text)

    # Rückgabe des Audio-Outputs
    # Gradio erwartet ein Tupel: (Sample Rate, Audio Daten als Numpy Array)
    audio_data = output["audio"]
    return (audio_data.sampling_rate, audio_data.numpy())

# --- GRADIO INTERFACE (Die Web-Oberfläche) ---
# Dies demonstriert die einfache Nutzung (Einfachheit für Praktiker).

iface = gr.Interface(
    fn=generate_speech,
    inputs=gr.Textbox(lines=2, label="Text eingeben"),
    outputs=gr.Audio(label="Generierte Sprache", type="numpy"),
    title="🎙️ Hugging Face TTS Demo (Conditional Generation)",
    description="Demonstriert die Leistung der Transformer-Architektur zur Sequenz-Generierung (Text-to-Speech).",
)

iface.launch()