app.py

# -*- coding: utf-8 -*-
"""
@author:XuMing([email protected])
@description: Re-train by TWMAN
"""
import hashlib
import os
import ssl
import subprocess
import torch
from loguru import logger
import nltk
from torch.serialization import add_safe_globals
import gradio as gr

# 設定 HTTPS context 避免證書錯誤
ssl._create_default_https_context = ssl._create_unverified_context

# 🧠 下載 NLTK 所需資源
nltk_data_path = os.path.expanduser('~/nltk_data')
if not os.path.exists(os.path.join(nltk_data_path, 'corpora/cmudict.zip')):
    nltk.download('cmudict', download_dir=nltk_data_path)
if not os.path.exists(os.path.join(nltk_data_path, 'taggers/averaged_perceptron_tagger.zip')):
    nltk.download('averaged_perceptron_tagger', download_dir=nltk_data_path)

import sys
sys.path.insert(0, os.path.abspath("ForkLangSegment"))

# 📦 匯入 parrots
from parrots import TextToSpeech

# 設定裝置與精度
device = "cuda" if torch.cuda.is_available() else "cpu"
logger.info(f"device: {device}")
half = True if device == "cuda" else False

# 允許全局類別 HParams
class DummyHParams:
    pass

add_safe_globals([DummyHParams])

# 啟用 patch，強制設置 weights_only=False
_original_torch_load = torch.load
def patched_torch_load(*args, **kwargs):
    kwargs['weights_only'] = False  # 強制設置 weights_only=False
    return _original_torch_load(*args, **kwargs)

torch.load = patched_torch_load

# 初始化 TTS 模型
m = TextToSpeech(
    speaker_model_path="DeepLearning101/GPT-SoVITS_TWMAN",
    speaker_name="TWMAN",
    device=device,
    half=half
)

# 🔊 音訊生成邏輯
def get_text_hash(text: str):
    return hashlib.md5(text.encode('utf-8')).hexdigest()

def do_tts_wav_predict(text: str, output_path: str = None):
    if output_path is None:
        output_path = f"output_audio_{get_text_hash(text)}.wav"
    if not os.path.exists(output_path):
        m.predict(text, text_language="auto", output_path=output_path)
    return output_path

# 🌐 Gradio WebUI 設定
with gr.Blocks(title="TTS WebUI") as app:
    gr.Markdown("""
    # 線上語音合成 (TWMAN)
    # [TonTon Huang Ph.D.](https://www.twman.org) | [手把手帶你一起踩AI坑](https://blog.twman.org/p/deeplearning101.html)

    #### 請嚴格遵守法規，發布二創作品請標註本專案作者及連結，並標註生成工具 GPT-SoVITS AI！
    ⚠️ 注意：在線生成可能較慢，建議在本地進行推理。 
    
    - [Parrots專案](https://github.com/shibing624/parrots)
    - [模型使用說明](https://github.com/RVC-Boss/GPT-SoVITS)
    
    - [Deep Learning 101 Github](https://github.com/Deep-Learning-101) | [Deep Learning 101](http://deeplearning101.twman.org)
    - [台灣人工智慧社團 FB](https://www.facebook.com/groups/525579498272187/) | [YouTube](https://www.youtube.com/c/DeepLearning101)
    - [AI 陪伴機器人：2025 趨勢分析技術突破、市場潛力與未來展望](https://blog.twman.org/2025/04/AI-Robot.html) | [金融科技新浪潮：生成式 AI (GenAI) 應用場景、效益與導入挑戰](https://blog.twman.org/2025/04/FinanceGenAI.html)   
    - [避開 AI Agent 開發陷阱：常見問題、挑戰與解決方案 (那些 AI Agent 實戰踩過的坑)](https://blog.twman.org/2025/03/AIAgent.html)：探討多種 AI 代理人工具的應用經驗與挑戰，分享實用經驗與工具推薦。
    - [白話文手把手帶你科普 GenAI](https://blog.twman.org/2024/08/LLM.html)：淺顯介紹生成式人工智慧核心概念，強調硬體資源和數據的重要性。
    - [大型語言模型直接就打完收工？](https://blog.twman.org/2024/09/LLM.html)：回顧 LLM 領域探索歷程，討論硬體升級對 AI 開發的重要性。
    - [檢索增強生成不是萬靈丹：挑戰與優化技巧](https://blog.twman.org/2024/07/RAG.html)：探討 RAG 技術應用與挑戰，提供實用經驗分享和工具建議。
    - [大型語言模型 (LLM) 入門完整指南：原理、應用與未來 (2025 版)](https://blog.twman.org/2024/02/LLM.html)：探討多種 LLM 工具的應用與挑戰，強調硬體資源的重要性。
    - [解析探索大型語言模型：模型發展歷史、訓練及微調技術的 VRAM 估算](https://blog.twman.org/2023/04/GPT.html)：探討 LLM 的發展與應用，強調硬體資源在開發中的關鍵作用。
    - [Diffusion Model 完全解析：從原理、應用到實作 (AI 圖像生成)](https://blog.twman.org/2024/11/diffusion.html)：深入探討影像生成與分割技術的應用，強調硬體資源的重要性。
    - [ASR/TTS 開發避坑指南：語音辨識與合成的常見挑戰與對策](https://blog.twman.org/2024/02/asr-tts.html)：探討 ASR 和 TTS 技術應用中的問題，強調數據質量的重要性。
    - [那些自然語言處理踩的坑](https://blog.twman.org/2021/04/NLP.html)：分享 NLP 領域的實踐經驗，強調數據質量對模型效果的影響。
    - [那些語音處理 (Speech Processing) 踩的坑](https://blog.twman.org/2021/04/ASR.html)：分享語音處理領域的實務經驗，強調資料品質對模型效果的影響。
    - [用PPOCRLabel來幫PaddleOCR做OCR的微調和標註](https://blog.twman.org/2023/07/wsl.html)
    - [基於機器閱讀理解和指令微調的統一信息抽取框架之診斷書醫囑資訊擷取分析](https://blog.twman.org/2023/07/HugIE.html)    
    """)

    # 設定語音合成輸入與按鈕
    with gr.Group():
        gr.Markdown("*請在下方輸入要進行語音合成的文字*")
        with gr.Row():
            text = gr.Textbox(label="想語音合成的文字 (100字以内)", value="床前明月光，疑是地上霜。舉頭望明月，低頭思故鄉。", placeholder="請輸入您想要的文字", lines=3)
            inference_button = gr.Button("語音合成", variant="primary")
            output = gr.Audio(label="合成的語音")

        # 設定按鈕點擊事件
        inference_button.click(
            do_tts_wav_predict,
            [text],
            [output],
        )

# 啟動 Gradio App
app.queue(max_size=10)
app.launch(share=True, inbrowser=True)