{
  "cells": [
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "# OmniVoice — Lồng tiếng tiếng Việt trên Colab\n",
        "\n",
        "Notebook chạy [OmniVoice](https://huggingface.co/k2-fsa/OmniVoice) với pipeline **SRT lồng tiếng** (`native`).\n",
        "\n",
        "**Luồng Drive:**\n",
        "1. Cấu hình giọng + tên file SRT ở **mục 0**\n",
        "2. Đặt file `.srt` vào **`MyDrive/Omivoice/`** (tên = `SRT_FILE` + `.srt`, vd. `input` → `input.srt`)\n",
        "3. Chạy notebook → kết quả ghi lại **`MyDrive/Omivoice/`**\n",
        "\n",
        "**Yêu cầu:** Runtime **GPU L4** (Runtime → Change runtime type → L4)."
      ],
      "id": "4027962a"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "## 0. Cấu hình"
      ],
      "id": "02fceea2"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "# Hugging Face (giọng + speak.py)\n",
        "HF_REPO = \"STBack23/omnivoice-vi\"\n",
        "\n",
        "# Google Drive — MyDrive/Omivoice/\n",
        "DRIVE_FOLDER = \"Omivoice\"\n",
        "SRT_FILE = \"input\"   # tên file (không cần .srt) -> input.srt\n",
        "\n",
        "# Giọng: ban_mai | lan_trinh | ngan_ha | ngoc_huyen | thao_trinh | tuong_vy\n",
        "DEFAULT_VOICE = \"tuong_vy\"\n",
        "MERGE_MODE = \"native\"  # native | cascade | fit | strict\n",
        "NUM_STEP = 32"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "1d36167e"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "## 1. Kiểm tra GPU & cài đặt"
      ],
      "id": "342cf199"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "import torch\n",
        "\n",
        "assert torch.cuda.is_available(), (\n",
        "    \"Bật GPU L4: Runtime → Change runtime type → Hardware accelerator → L4\"\n",
        ")\n",
        "gpu = torch.cuda.get_device_name(0)\n",
        "print(f\"GPU: {gpu}\")\n",
        "if \"L4\" not in gpu.upper():\n",
        "    print(\n",
        "        f\"⚠ Đang dùng {gpu}, không phải L4 — đổi runtime sang L4 để nhanh hơn.\"\n",
        "    )"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "9372766b"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "# Tắt XET — thường gây treo download ~89% trên Colab.\n",
        "# PHẢI chạy cell này TRƯỚC mọi `from huggingface_hub import ...`\n",
        "import os\n",
        "\n",
        "os.environ[\"HF_HUB_DISABLE_XET\"] = \"1\"\n",
        "os.environ[\"HF_HUB_DOWNLOAD_TIMEOUT\"] = \"300\"\n",
        "\n",
        "print(\"HF: HF_HUB_DISABLE_XET=1, timeout 300s\")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "109256f6"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "!pip install -q omnivoice audiotsm huggingface_hub soundfile librosa"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "f320297d"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "### Repo private — đăng nhập Hugging Face (một lần)\n",
        "\n",
        "1. Tạo token **Read** tại [hf.co/settings/tokens](https://huggingface.co/settings/tokens)\n",
        "2. Colab → **🔑 Khóa bí mật** (Manage secrets) → thêm tên `HF_TOKEN`, dán token → **Lưu**\n",
        "3. Chỉ cần làm **một lần** — các lần chạy sau notebook tự lấy token, không cần nhập lại"
      ],
      "id": "dd112ce5"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "from huggingface_hub import login\n",
        "from google.colab import userdata\n",
        "\n",
        "try:\n",
        "    token = userdata.get(\"HF_TOKEN\")\n",
        "except userdata.SecretNotFoundError as e:\n",
        "    raise RuntimeError(\n",
        "        \"Chưa có khóa bí mật HF_TOKEN.\\n\"\n",
        "        \"Colab → 🔑 Khóa bí mật → Thêm secret tên HF_TOKEN \"\n",
        "        \"(token Read từ hf.co/settings/tokens).\\n\"\n",
        "        \"Lưu một lần, lần sau không cần nhập lại.\"\n",
        "    ) from e\n",
        "\n",
        "if not token or not str(token).strip():\n",
        "    raise RuntimeError(\"HF_TOKEN trong Khóa bí mật đang trống — hãy cập nhật lại.\")\n",
        "\n",
        "login(token.strip())\n",
        "print(\"Đã login Hugging Face (HF_TOKEN từ Khóa bí mật)\")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "7093f8b8"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "## 2. Tải giọng & công cụ từ Hugging Face"
      ],
      "id": "cf360488"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "from pathlib import Path\n",
        "from huggingface_hub import snapshot_download\n",
        "\n",
        "ROOT = Path(snapshot_download(HF_REPO, repo_type=\"dataset\", local_dir=\"/content/omnivoice-vi\"))\n",
        "print(f\"Đã tải: {ROOT}\")\n",
        "print(\"Giọng:\", [p.parent.name for p in sorted((ROOT / \"voices\").glob(\"*/profile.json\"))])"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "db3a8b3d"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "import importlib.util\n",
        "import sys\n",
        "\n",
        "speak_path = ROOT / \"tools\" / \"speak.py\"\n",
        "spec = importlib.util.spec_from_file_location(\"speak\", speak_path)\n",
        "speak = importlib.util.module_from_spec(spec)\n",
        "sys.modules[\"speak\"] = speak\n",
        "spec.loader.exec_module(speak)\n",
        "print(\"Đã load speak.py\")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "15179395"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "## 3. Tải & nạp model (~3–8 phút lần đầu)\n",
        "\n",
        "Lần đầu tải **~3.3 GB**. Treo ở ~89% → **Runtime → Restart session**, chạy lại từ **mục 1** (cell tắt XET phải chạy trước login HF)."
      ],
      "id": "1098d631"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "from huggingface_hub import hf_hub_download\n",
        "\n",
        "OMNI_MODEL = \"k2-fsa/OmniVoice\"\n",
        "\n",
        "# Tải từng file lớn (tránh treo snapshot_download trên Colab)\n",
        "for relpath, label in [\n",
        "    (\"model.safetensors\", \"LLM ~2.4 GB\"),\n",
        "    (\"audio_tokenizer/model.safetensors\", \"Audio tokenizer ~770 MB\"),\n",
        "]:\n",
        "    print(f\"\\n>>> {label}\")\n",
        "    path = hf_hub_download(OMNI_MODEL, relpath)\n",
        "    print(f\"    OK: {path}\")\n",
        "\n",
        "for relpath in (\n",
        "    \"config.json\",\n",
        "    \"tokenizer.json\",\n",
        "    \"tokenizer_config.json\",\n",
        "    \"chat_template.jinja\",\n",
        "    \"audio_tokenizer/config.json\",\n",
        "    \"audio_tokenizer/preprocessor_config.json\",\n",
        "):\n",
        "    hf_hub_download(OMNI_MODEL, relpath)\n",
        "\n",
        "print(\"\\n✓ Model k2-fsa/OmniVoice đã cache xong.\")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "f69ce212"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "PROFILE = speak.load_profile(ROOT / \"voices\" / DEFAULT_VOICE / \"profile.json\")\n",
        "MODEL = speak.load_model(PROFILE)\n",
        "PROMPT = speak.ensure_voice_prompt(MODEL, PROFILE)\n",
        "print(f\"Giọng: {PROFILE['name']} ({DEFAULT_VOICE}) | SR: {MODEL.sampling_rate}\")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "93c1dc54"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "## 4. Lồng tiếng SRT từ Google Drive\n",
        "\n",
        "Đặt file SRT vào **`MyDrive/Omivoice/`**. Giọng = **`DEFAULT_VOICE`** ở mục 0."
      ],
      "id": "1ea557c5"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "from google.colab import drive\n",
        "\n",
        "drive.mount(\"/content/drive\")\n",
        "\n",
        "DRIVE_OMIVOICE = Path(\"/content/drive/MyDrive\") / DRIVE_FOLDER\n",
        "DRIVE_OMIVOICE.mkdir(parents=True, exist_ok=True)\n",
        "\n",
        "srt_name = SRT_FILE if SRT_FILE.lower().endswith(\".srt\") else f\"{SRT_FILE}.srt\"\n",
        "SRT_PATH = DRIVE_OMIVOICE / srt_name\n",
        "\n",
        "if not SRT_PATH.exists():\n",
        "    existing = sorted(DRIVE_OMIVOICE.glob(\"*.srt\"))\n",
        "    hint = \"\\n  \".join(str(p.name) for p in existing) if existing else \"(chưa có file .srt)\"\n",
        "    raise FileNotFoundError(\n",
        "        f\"Không thấy {SRT_PATH}\\n\"\n",
        "        f\"Đặt file vào MyDrive/{DRIVE_FOLDER}/ hoặc sửa SRT_FILE.\\n\"\n",
        "        f\"Các file .srt hiện có:\\n  {hint}\"\n",
        "    )\n",
        "\n",
        "MERGE_OUT = DRIVE_OMIVOICE / f\"{SRT_PATH.stem}_merged.wav\"\n",
        "OUTPUT_DIR = DRIVE_OMIVOICE / \"output\" / DEFAULT_VOICE / SRT_PATH.stem\n",
        "\n",
        "print(f\"Drive:  {DRIVE_OMIVOICE}\")\n",
        "print(f\"Giọng:  {DEFAULT_VOICE}\")\n",
        "print(f\"Input:  {SRT_PATH}\")\n",
        "print(f\"Output: {MERGE_OUT}\")\n",
        "print(f\"Cues:   {OUTPUT_DIR}\")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "ccb48064"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "from IPython.display import Audio, display\n",
        "from tqdm.auto import tqdm\n",
        "import sys\n",
        "\n",
        "profile_path = ROOT / \"voices\" / DEFAULT_VOICE / \"profile.json\"\n",
        "\n",
        "pbar = tqdm(total=100, unit=\"%\", desc=\"Chuẩn bị\")\n",
        "\n",
        "\n",
        "def on_log(line: str) -> None:\n",
        "    tqdm.write(line)\n",
        "    sys.stdout.flush()\n",
        "\n",
        "def on_progress(pct: float, desc: str = \"\") -> None:\n",
        "    pbar.n = min(100, max(0, int(round(pct * 100))))\n",
        "    if desc:\n",
        "        pbar.set_description(desc)\n",
        "    pbar.refresh()\n",
        "\n",
        "print(f\"=== SRT: {SRT_PATH.name} | giọng {DEFAULT_VOICE} | mode {MERGE_MODE} ===\", flush=True)\n",
        "\n",
        "result = speak.run_srt_pipeline(\n",
        "    profile_path,\n",
        "    SRT_PATH,\n",
        "    output_dir=OUTPUT_DIR,\n",
        "    merge=True,\n",
        "    merge_output=MERGE_OUT,\n",
        "    merge_mode=MERGE_MODE,\n",
        "    num_step=NUM_STEP,\n",
        "    model=MODEL,\n",
        "    prompt=PROMPT,\n",
        "    on_log=on_log,\n",
        "    progress=on_progress,\n",
        ")\n",
        "\n",
        "pbar.close()\n",
        "\n",
        "merged = result.get(\"merged_wav\")\n",
        "if merged:\n",
        "    display(Audio(str(merged)))\n",
        "\n",
        "print(\"\\n--- Đã lưu trên Drive ---\")\n",
        "print(f\"WAV gộp:     {result.get('merged_wav')}\")\n",
        "print(f\"Từng cue:    {result.get('output_dir')}\")\n",
        "print(f\"SRT shifted: {result.get('shifted_srt')}\")\n",
        "stats = result.get(\"stats\", {})\n",
        "print(\n",
        "    f\"Thống kê: {stats.get('generated', 0)} cue mới, \"\n",
        "    f\"{stats.get('skipped', 0)} bỏ qua, \"\n",
        "    f\"{stats.get('overflow', 0)} tràn\"\n",
        ")"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "d924855a"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": [
        "## 5. Giải phóng VRAM & tắt runtime\n",
        "\n",
        "Giải phóng bộ nhớ GPU rồi **ngắt session Colab** (không tính phí GPU nữa). Chạy cell này sau khi mục 4 xong."
      ],
      "id": "4ec794ec"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "source": [
        "import gc\n",
        "import torch\n",
        "from google.colab import runtime\n",
        "\n",
        "try:\n",
        "    del MODEL, PROMPT, result, pbar\n",
        "except NameError:\n",
        "    pass\n",
        "\n",
        "gc.collect()\n",
        "if torch.cuda.is_available():\n",
        "    torch.cuda.empty_cache()\n",
        "    torch.cuda.ipc_collect()\n",
        "\n",
        "print(\"Đã giải phóng VRAM\")\n",
        "print(\"Đang tắt runtime Colab...\")\n",
        "runtime.unassign()"
      ],
      "execution_count": null,
      "outputs": [],
      "id": "a3acbb68"
    }
  ],
  "metadata": {
    "accelerator": "GPU",
    "colab": {
      "gpuType": "L4",
      "machine_shape": "hm",
      "provenance": []
    },
    "kernelspec": {
      "display_name": "Python 3",
      "language": "python",
      "name": "python3"
    },
    "language_info": {
      "name": "python",
      "version": "3.10.0"
    }
  },
  "nbformat": 4,
  "nbformat_minor": 5
}