Upload 2 files

app.py

@@ -0,0 +1,80 @@
+import gradio as gr
+from transformers import VitsModel, AutoTokenizer
+import torch
+import scipy.io.wavfile
+
+# تحميل النموذج و "tokenizer"
+model_name = "wasmdashai/vits-ar-sa-huba-v2"
+try:
+    model = VitsModel.from_pretrained(model_name)
+    tokenizer = AutoTokenizer.from_pretrained(model_name)
+    model_loaded_successfully = True
+    print(f"تم تحميل النموذج '{model_name}' بنجاح.")
+except Exception as e:
+    model_loaded_successfully = False
+    error_message = f"حدث خطأ أثناء تحميل النموذج '{model_name}': {e}"
+    print(error_message)
+    # يمكنك اختيار إيقاف التطبيق هنا أو عرض رسالة خطأ في الواجهة
+
+# دالة التنبؤ (تحويل النص إلى كلام)
+def text_to_speech(text):
+    if not model_loaded_successfully:
+        return None, f"خطأ: لم يتم تحميل النموذج. {error_message}"
+    if not text:
+        return None, "الرجاء إدخال نص."
+    try:
+        inputs = tokenizer(text, return_tensors="pt")
+        with torch.no_grad():
+            output = model(**inputs).waveform
+
+        # التأكد من أن المخرجات هي 1D tensor
+        if output.ndim > 1:
+            # إذا كانت متعددة الأبعاد، جرب أخذ القناة الأولى أو المتوسط
+            # هنا نفترض أن القناة الأولى هي الصوت المطلوب
+            waveform = output[0].cpu().numpy()
+        else:
+            waveform = output.cpu().numpy()
+
+        # معدل أخذ العينات للنموذج (عادة ما يكون مذكورًا في بطاقة النموذج أو تكوينه)
+        # إذا لم يكن متاحًا بشكل مباشر، قد تحتاج إلى التحقق من config النموذج
+        # القيمة الشائعة لنماذج VITS هي 22050 أو 16000
+        # بالنظر إلى بطاقة النموذج، يبدو أنها لا تحدد صراحةً، سنجرب 22050
+        sampling_rate = model.config.sampling_rate if hasattr(model.config, 'sampling_rate') else 22050
+
+        # حفظ الملف الصوتي مؤقتًا
+        output_path = "output_audio.wav"
+        scipy.io.wavfile.write(output_path, rate=sampling_rate, data=waveform)
+        return output_path, None  # لا يوجد رسالة خطأ
+    except Exception as e:
+        print(f"حدث خطأ أثناء تحويل النص إلى كلام: {e}")
+        return None, f"حدث خطأ أثناء المعالجة: {str(e)}"
+
+# إنشاء واجهة Gradio
+iface = gr.Interface(
+    fn=text_to_speech,
+    inputs=gr.Textbox(lines=3, placeholder="أدخل النص العربي هنا...", label="النص العربي"),
+    outputs=[
+        gr.Audio(label="الصوت الناتج", type="filepath"),
+        gr.Textbox(label="رسالة الخطأ (إن وجدت)") # لإظهار رسائل الخطأ بشكل واضح
+    ],
+    title="تحويل النص إلى كلام باللغة العربية (نموذج vits-ar-sa-huda-v2)",
+    description="أدخل نصًا باللغة العربية ليتم تحويله إلى كلام باستخدام نموذج VITS المدرب على اللهجة السعودية . النموذج من تطوير `wasmdashai`.",
+    allow_flagging="never",
+    examples=[
+        ["السلام عليكم ورحمة الله وبركاته."],
+        ["كيف حالك اليوم؟"],
+        ["أهلاً وسهلاً بكم في هذه المساحة."],
+    ]
+)
+
+# تشغيل الواجهة
+if __name__ == "__main__":
+    if model_loaded_successfully:
+        iface.launch()
+    else:
+        # إذا لم يتم تحميل النموذج، قم بتشغيل واجهة بسيطة تعرض الخطأ
+        def error_interface():
+            with gr.Blocks() as demo:
+                gr.Markdown(f"# خطأ في تحميل النموذج\n{error_message}")
+            return demo
+        error_interface().launch()

requirements.txt

@@ -0,0 +1,7 @@
+transformers
+torch
+torchaudio
+gradio
+librosa
+phonemizer
+espeak-ng