Update app.py

app.py

@@ -1,148 +1,60 @@
 import spaces
-from snac import SNAC
-import torch
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer
-from huggingface_hub import snapshot_download
 from dotenv import load_dotenv
+import numpy as np
+from orpheus_cpp import OrpheusCpp
 load_dotenv()
 
-# Vérifier si CUDA est disponible
-device = "cuda" if torch.cuda.is_available() else "cpu"
-
-print("Chargement du modèle SNAC...")
-snac_model = SNAC.from_pretrained("hubertsiuzdak/snac_24khz")
-snac_model = snac_model.to(device)
-
-model_name = "canopylabs/3b-fr-ft-research_release"
-
-# Télécharger uniquement la configuration du modèle et les safetensors
-snapshot_download(
-    repo_id=model_name,
-    allow_patterns=[
-        "config.json",
-        "*.safetensors",
-        "model.safetensors.index.json",
-    ],
-    ignore_patterns=[
-        "optimizer.pt",
-        "pytorch_model.bin",
-        "training_args.bin",
-        "scheduler.pt",
-        "tokenizer.json",
-        "tokenizer_config.json",
-        "special_tokens_map.json",
-        "vocab.json",
-        "merges.txt",
-        "tokenizer.*"
-    ]
-)
-
-model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.bfloat16)
-model.to(device)
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-print(f"Modèle Orpheus chargé sur {device}")
-
-# Traiter le texte d'entrée
-def process_prompt(prompt, voice, tokenizer, device):
-    prompt = f"{voice}: {prompt}"
-    input_ids = tokenizer(prompt, return_tensors="pt").input_ids
-    
-    start_token = torch.tensor([[128259]], dtype=torch.int64)  # Début humain
-    end_tokens = torch.tensor([[128009, 128260]], dtype=torch.int64)  # Fin du texte, Fin humain
-    
-    modified_input_ids = torch.cat([start_token, input_ids, end_tokens], dim=1)  # SOH SOT Texte EOT EOH
-    
-    # Pas besoin de padding pour une seule entrée
-    attention_mask = torch.ones_like(modified_input_ids)
-    
-    return modified_input_ids.to(device), attention_mask.to(device)
-
-# Analyser les tokens de sortie en audio
-def parse_output(generated_ids):
-    token_to_find = 128257
-    token_to_remove = 128258
-    
-    token_indices = (generated_ids == token_to_find).nonzero(as_tuple=True)
-
-    if len(token_indices[1]) > 0:
-        last_occurrence_idx = token_indices[1][-1].item()
-        cropped_tensor = generated_ids[:, last_occurrence_idx+1:]
-    else:
-        cropped_tensor = generated_ids
-
-    processed_rows = []
-    for row in cropped_tensor:
-        masked_row = row[row != token_to_remove]
-        processed_rows.append(masked_row)
-
-    code_lists = []
-    for row in processed_rows:
-        row_length = row.size(0)
-        new_length = (row_length // 7) * 7
-        trimmed_row = row[:new_length]
-        trimmed_row = [t - 128266 for t in trimmed_row]
-        code_lists.append(trimmed_row)
-        
-    return code_lists[0]  # Retourner uniquement le premier pour un seul échantillon
-
-# Redistribuer les codes pour la génération audio
-def redistribute_codes(code_list, snac_model):
-    device = next(snac_model.parameters()).device  # Obtenir le périphérique du modèle SNAC
-    
-    layer_1 = []
-    layer_2 = []
-    layer_3 = []
-    for i in range((len(code_list)+1)//7):
-        layer_1.append(code_list[7*i])
-        layer_2.append(code_list[7*i+1]-4096)
-        layer_3.append(code_list[7*i+2]-(2*4096))
-        layer_3.append(code_list[7*i+3]-(3*4096))
-        layer_2.append(code_list[7*i+4]-(4*4096))
-        layer_3.append(code_list[7*i+5]-(5*4096))
-        layer_3.append(code_list[7*i+6]-(6*4096))
-        
-    # Déplacer les tenseurs vers le même périphérique que le modèle SNAC
-    codes = [
-        torch.tensor(layer_1, device=device).unsqueeze(0),
-        torch.tensor(layer_2, device=device).unsqueeze(0),
-        torch.tensor(layer_3, device=device).unsqueeze(0)
-    ]
-    
-    audio_hat = snac_model.decode(codes)
-    return audio_hat.detach().squeeze().cpu().numpy()  # Toujours retourner un tableau numpy CPU
+# Initialiser le modèle Orpheus-CPP avec le modèle français original
+print("Chargement du modèle Orpheus-CPP...")
+try:
+    # Utilisez le même modèle français que précédemment
+    orpheus = OrpheusCpp(
+        model_path="canopylabs/3b-fr-ft-research_release",
+        context_size=2048,
+        gpu_layers=32  # Utiliser le GPU si disponible
+    )
+    print("Modèle Orpheus-CPP chargé avec succès")
+except Exception as e:
+    print(f"Erreur lors du chargement du modèle spécifié: {e}")
+    print("Tentative de chargement avec le modèle français par défaut...")
+    try:
+        orpheus = OrpheusCpp()
+        print("Modèle Orpheus-CPP chargé avec les paramètres par défaut")
+    except Exception as e:
+        print(f"Erreur lors du chargement du modèle par défaut: {e}")
+        print("Vérifiez l'installation d'orpheus-cpp et les dépendances")
 
-# Fonction principale de génération
+# Fonction principale de génération avec orpheus-cpp
 @spaces.GPU()
 def generate_speech(text, voice, temperature, top_p, repetition_penalty, max_new_tokens, progress=gr.Progress()):
     if not text.strip():
         return None
     
     try:
-        progress(0.1, "Traitement du texte...")
-        input_ids, attention_mask = process_prompt(text, voice, tokenizer, device)
+        progress(0.2, "Traitement du texte...")
         
-        progress(0.3, "Génération des tokens de parole...")
-        with torch.no_grad():
-            generated_ids = model.generate(
-                input_ids=input_ids,
-                attention_mask=attention_mask,
-                max_new_tokens=max_new_tokens,
-                do_sample=True,
-                temperature=temperature,
-                top_p=top_p,
-                repetition_penalty=repetition_penalty,
-                num_return_sequences=1,
-                eos_token_id=128258,
-            )
+        # Configuration des options de génération
+        options = {
+            "voice_id": voice,
+            "temperature": temperature,
+            "top_p": top_p,
+            "repetition_penalty": repetition_penalty,
+            "max_tokens": max_new_tokens
+        }
         
-        progress(0.6, "Traitement des tokens de parole...")
-        code_list = parse_output(generated_ids)
+        progress(0.5, "Génération audio...")
         
-        progress(0.8, "Conversion en audio...")
-        audio_samples = redistribute_codes(code_list, snac_model)
+        # Génération avec orpheus-cpp
+        sample_rate, audio_samples = orpheus.tts(text, options=options)
         
-        return (24000, audio_samples)  # Retourner le taux d'échantillonnage et l'audio
+        progress(0.9, "Finalisation...")
+        
+        # Convertir en tableau numpy si nécessaire
+        if not isinstance(audio_samples, np.ndarray):
+            audio_samples = np.array(audio_samples)
+        
+        return (sample_rate, audio_samples)
     except Exception as e:
         print(f"Erreur lors de la génération de la parole: {e}")
         return None
@@ -175,6 +87,11 @@ with gr.Blocks(title="Orpheus Text-to-Speech") as demo:
     - Ajoutez des éléments paralinguistiques comme {", ".join(EMOTIVE_TAGS)} ou `euh` pour une parole plus humaine.
     - Les textes plus longs fonctionnent généralement mieux que les phrases très courtes
     - Augmenter `repetition_penalty` et `temperature` fait parler le modèle plus rapidement.
+    
+    ## Améliorations avec orpheus-cpp:
+    - Performances optimisées et temps de génération réduit
+    - Utilisation plus efficace de la mémoire
+    - Latence réduite pour une meilleure expérience utilisateur
     """)    
     with gr.Row():
         with gr.Column(scale=3):