app.py

import gradio as gr
import torch
from pathlib import Path
from src.deploy.voice_clone import VoiceCloneSystem

# 创建临时目录
TEMP_DIR = Path("temp")
TEMP_DIR.mkdir(exist_ok=True)

# 初始化系统
system = VoiceCloneSystem(device="cpu" if not torch.cuda.is_available() else "cuda")

def clone_voice(text: str, reference_audio) -> str:
    """
    克隆语音的 Gradio 接口函数
    
    Args:
        text: 要转换的文本
        reference_audio: 参考音频文件路径
        
    Returns:
        生成的音频文件路径
    """
    try:
        # 生成语音
        speech = system.clone_voice(text, [reference_audio])
        
        # 保存音频
        output_path = str(TEMP_DIR / "output.wav")
        system.save_audio(speech, output_path)
        
        return output_path
        
    except Exception as e:
        raise gr.Error(str(e))

# 创建 Gradio 界面
demo = gr.Interface(
    fn=clone_voice,
    inputs=[
        gr.Textbox(
            label="输入文本",
            placeholder="请输入要转换的文本...",
            lines=3
        ),
        gr.Audio(
            label="参考音频",
            type="filepath"
        )
    ],
    outputs=gr.Audio(label="生成的语音"),
    title="语音克隆系统",
    description="上传一段参考音频，输入文本，系统会生成具有相同声音特征的语音。支持中文和英文！",
    article="""
    ## 使用说明
    1. 上传一段清晰的参考音频（WAV格式最佳，建议5-10秒）
    2. 输入要转换的文本（支持中文和英文）
    3. 点击提交，等待系统生成语音
    
    ## 注意事项
    - 参考音频质量会影响克隆效果
    - 建议使用安静环境下录制的清晰语音
    - 首次运行时需要下载模型，可能需要等待一段时间
    """,
    examples=[
        ["你好，这是一段测试文本。", None],
        ["Hello, this is a test message.", None],
    ]
)

# 启动应用
if __name__ == "__main__":
    demo.launch()