src/streamlit_app.py

src/streamlit_app.py

@@ -1,26 +1,80 @@
 import streamlit as st
-from huggingface_hub import hf_hub_download
+from huggingface_hub import hf_hub_download, set_access_token
 import torch
+import os
+import tempfile
+import soundfile as sf
 
-# Télécharger le modèle
-model_path = hf_hub_download(
-    repo_id="tencent/SongGeneration",
-    filename="ckpt/songgeneration_base_zh/model.pt"
-)
+st.set_page_config(page_title="🎵 Générateur de Chansons Local", layout="centered")
+st.title("🎵 Générateur de Chansons (Local CPU, Hugging Face)")
 
-# Charger le modèle
-model = torch.load(model_path)
-model.eval()
+# -----------------------------
+# Configuration Hugging Face Hub
+# -----------------------------
+# Token Hugging Face (optionnel si le repo est public)
+HF_TOKEN = st.secrets.get("HF_TOKEN", None)
+if HF_TOKEN:
+    set_access_token(HF_TOKEN)
 
-# Interface Streamlit
-st.title("🎵 Générateur de Chansons")
+# Forcer le cache local dans un dossier où on a les droits
+os.environ["HF_HOME"] = "/tmp/hf_cache"
+os.makedirs(os.environ["HF_HOME"], exist_ok=True)
 
-description = st.text_area("Décrivez l'ambiance de la chanson")
+# -----------------------------
+# Télécharger le modèle SongGeneration
+# -----------------------------
+@st.cache_resource
+def load_song_model():
+    model_file = hf_hub_download(
+        repo_id="tencent/SongGeneration",
+        filename="ckpt/songgeneration_base_zh/model.pt"
+    )
+    model = torch.load(model_file, map_location="cpu")
+    model.eval()
+    return model
 
-if st.button("Générer la chanson"):
-    if description:
-        # Génération de la chanson (à adapter selon le modèle)
-        chanson = model.generate(description)
-        st.audio(chanson)
-    else:
+song_model = load_song_model()
+
+# -----------------------------
+# Interface utilisateur
+# -----------------------------
+description = st.text_area(
+    "Décrivez l'ambiance ou le thème de la chanson",
+    value="Une chanson nostalgique sur l’amour perdu, style pop moderne."
+)
+
+if st.button("🎛️ Générer la chanson"):
+    if not description.strip():
         st.warning("Veuillez fournir une description.")
+    else:
+        st.info("Génération en cours… (CPU, cela peut prendre du temps)")
+        try:
+            # -----------------------------
+            # Génération de la chanson (exemple simplifié)
+            # -----------------------------
+            with torch.no_grad():
+                # ⚠️ Adapter selon l'API exacte du modèle SongGeneration
+                # Ici on suppose qu'il y a une méthode .generate(text) qui renvoie un array audio
+                audio = song_model.generate(description)  # numpy array ou torch tensor
+
+            # -----------------------------
+            # Sauvegarder l'audio temporaire pour Streamlit
+            # -----------------------------
+            tmp_wav = tempfile.NamedTemporaryFile(delete=False, suffix=".wav")
+            if isinstance(audio, torch.Tensor):
+                audio = audio.cpu().numpy()
+            sf.write(tmp_wav.name, audio, 44100)
+            tmp_wav.close()
+
+            # -----------------------------
+            # Affichage et téléchargement
+            # -----------------------------
+            st.audio(tmp_wav.name)
+            with open(tmp_wav.name, "rb") as f:
+                st.download_button("⬇️ Télécharger la chanson", f, "generated_song.wav")
+
+            st.success("✅ Chanson générée avec succès !")
+
+        except Exception as e:
+            st.error("❌ Erreur lors de la génération de la chanson :")
+            st.exception(e)