app.py

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

def text_to_speech(prompt):
    # gTTS를 이용해 Bulgarian 텍스트를 음성으로 변환
    tts = gTTS(text=prompt, lang="bg")
    audio_file = "output.mp3"
    tts.save(audio_file)
    
    # pydub를 사용하여 mp3 파일을 불러옵니다.
    sound = AudioSegment.from_mp3(audio_file)
    
    # pydub의 raw 데이터를 numpy 배열로 변환 (int16)
    samples = np.array(sound.get_array_of_samples())
    
    # 만약 스테레오라면 모노로 변환 (채널 평균)
    if sound.channels > 1:
        samples = samples.reshape((-1, sound.channels))
        samples = samples.mean(axis=1)
    
    # int16 데이터를 float32로 정규화 (범위: [-1.0, 1.0])
    samples = samples.astype(np.float32) / 32768.0
    sample_rate = sound.frame_rate

    # 임시로 생성한 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:")
        # type을 "numpy"로 설정하여 numpy 배열을 사용합니다.
        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()