app.py

import gradio as gr
import numpy as np
import tensorflow as tf
from tensorflow import keras
import torch
from speechbrain.inference.TTS import Tacotron2

# Cargar Tacotron2
tacotron2 = Tacotron2.from_hparams(
    source="speechbrain/tts-tacotron2-ljspeech",
    savedir="tmpdir_tts",
    run_opts={"device": "cpu"}
)

# Cargar tu modelo generator.keras
# Cargar tu generator.keras desde HuggingFace
model_path = huggingface_hub.hf_hub_download(
    repo_id="Bmo411/WGAN",   # <<-- aquí pones tu ruta exacta
    filename="generator_epoch_3500.keras"        # o el nombre exacto del archivo en el repo
)

generator = keras.models.load_model(model_path, compile=False)

# Función de generación
def text_to_audio(text):
    # 1. Convertir texto a mel-spectrograma
    mel_output, _, _ = tacotron2.encode_text(text)
    mel = mel_output.squeeze(0).detach().cpu().numpy().astype(np.float32)  # (80, frames)

    # 2. Preparar para generator
    mel_input = mel[np.newaxis, ..., np.newaxis]  # (1, 80, frames, 1)
    mel_input = tf.convert_to_tensor(mel_input)

    # 3. Usar generator para generar audio
    fake_audio = generator(mel_input, training=False)
    fake_audio = tf.squeeze(fake_audio, axis=0).numpy()  # (samples,)

    # 4. Asegurar que esté en [-1, 1] para audio
    fake_audio = np.clip(fake_audio, -1.0, 1.0)

    # 5. Devolver audio como (numpy_array, sample_rate)
    return fake_audio, 8000  # tu modelo está entrenado en 8 kHz, ¿verdad?

# Interfaz Gradio
interface = gr.Interface(
    fn=text_to_audio,
    inputs=gr.Textbox(lines=1, placeholder="Escribe un número (ej. nine)"),
    outputs=gr.Audio(type="numpy", label="Audio generado"),
    title="Demo de TTS con Tacotron2 + Generator",
    description="Convierte texto en audio usando Tacotron2 + tu modelo generator."
)

# Lanzar app
if __name__ == "__main__":
    interface.launch()