app.py

import gradio as gr
from gtts import gTTS
from pydub import AudioSegment
import numpy as np
import os
import io

def text_to_speech(prompt):
    # gTTS를 사용하여 Bulgarian 텍스트를 음성으로 변환
    tts = gTTS(text=prompt, lang="bg")
    audio_file = "output.mp3"
    tts.save(audio_file)
    
    # pydub을 사용하여 mp3 파일을 로드합니다.
    sound = AudioSegment.from_mp3(audio_file)
    
    # pydub의 raw data를 numpy 배열로 변환 (16비트 정수형)
    samples = np.array(sound.get_array_of_samples())
    
    # 모노 채널이 아니라면, 채널을 합칩니다.
    if sound.channels > 1:
        samples = samples.reshape((-1, sound.channels))
        samples = samples.mean(axis=1).astype(np.int16)
    
    sample_rate = sound.frame_rate

    # 임시 mp3 파일 삭제
    os.remove(audio_file)
    
    # gr.Audio(type="numpy")는 (numpy array, sample_rate) 튜플을 기대합니다.
    return samples, sample_rate

with gr.Blocks() as demo:
    gr.Markdown("## Bulgarian Text-to-Speech (TTS)")
    with gr.Row():
        input_prompt = gr.Textbox(label="Enter a prompt in Bulgarian:")
        output_audio = gr.Audio(label="Generated Speech", type="numpy")
    generate_button = gr.Button("Generate Speech")
    
    generate_button.click(text_to_speech, inputs=input_prompt, outputs=output_audio)

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