app.py

import gradio as gr
import os
import torch
import torchaudio
import tempfile
import subprocess
import sys
from pathlib import Path

# Install dependencies
def install_dependencies():
    """Install required packages"""
    try:
        # Clone the model repository
        if not os.path.exists('saudi-tts'):
            subprocess.run(['git', 'clone', 'https://huggingface.co/AhmedEladl/saudi-tts'], check=True)
        
        # Install TTS and other dependencies
        subprocess.run([sys.executable, '-m', 'pip', 'install', 'git+https://github.com/coqui-ai/TTS'], check=True)
        subprocess.run([sys.executable, '-m', 'pip', 'install', 'transformers==4.37.1'], check=True)
        subprocess.run([sys.executable, '-m', 'pip', 'install', 'deepspeed'], check=True)
        
        return True
    except Exception as e:
        print(f"Error installing dependencies: {e}")
        return False

# Global variables for model
model = None
gpt_cond_latent = None
speaker_embedding = None

def load_model():
    """Load the XTTS model"""
    global model, gpt_cond_latent, speaker_embedding
    
    try:
        from TTS.tts.configs.xtts_config import XttsConfig
        from TTS.tts.models.xtts import Xtts
        
        # Define paths
        CONFIG_FILE_PATH = 'saudi-tts/config.json'
        VOCAB_FILE_PATH = 'saudi-tts/vocab.json'
        MODEL_PATH = 'saudi-tts/'
        SPEAKER_AUDIO_PATH = 'saudi-tts/speaker.wav'
        
        print("Loading model configuration...")
        config = XttsConfig()
        config.load_json(CONFIG_FILE_PATH)
        
        print("Initializing model...")
        model = Xtts.init_from_config(config)
        
        print("Loading model checkpoint...")
        model.load_checkpoint(
            config, 
            checkpoint_dir=MODEL_PATH, 
            use_deepspeed=False,  # Set to False for CPU or change based on your setup
            vocab_path=VOCAB_FILE_PATH
        )
        
        # Move to GPU if available
        if torch.cuda.is_available():
            model.cuda()
            print("Model moved to GPU")
        else:
            print("Using CPU")
        
        print("Computing speaker latents...")
        gpt_cond_latent, speaker_embedding = model.get_conditioning_latents(
            audio_path=[SPEAKER_AUDIO_PATH]
        )
        
        print("Model loaded successfully!")
        return True
        
    except Exception as e:
        print(f"Error loading model: {e}")
        return False

def generate_speech(text, temperature=0.75):
    """Generate speech from Arabic text"""
    global model, gpt_cond_latent, speaker_embedding
    
    if model is None:
        return None, "Model not loaded. Please wait for initialization."
    
    if not text.strip():
        return None, "Please enter some text to convert to speech."
    
    try:
        print(f"Generating speech for: {text}")
        
        # Generate speech
        out = model.inference(
            text,
            "ar",  # Arabic language code
            gpt_cond_latent,
            speaker_embedding,
            temperature=temperature,
        )
        
        # Save to temporary file
        with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as tmp_file:
            temp_path = tmp_file.name
            
        # Convert output to tensor and save
        audio_tensor = torch.tensor(out["wav"]).unsqueeze(0)
        torchaudio.save(temp_path, audio_tensor, 24000)
        
        return temp_path, "Speech generated successfully!"
        
    except Exception as e:
        error_msg = f"Error generating speech: {str(e)}"
        print(error_msg)
        return None, error_msg

# Initialize the app
def initialize_app():
    """Initialize the application"""
    print("Installing dependencies...")
    if not install_dependencies():
        return False
    
    print("Loading model...")
    if not load_model():
        return False
    
    return True

# Create Gradio interface
def create_interface():
    """Create the Gradio interface"""
    
    with gr.Blocks(title="Saudi Arabic TTS", theme=gr.themes.Soft()) as interface:
        gr.Markdown(
            """
            # 🎙️ Saudi Arabic Text-to-Speech
            
            Convert Arabic text to speech using the Saudi TTS model. This model is specifically trained for Saudi Arabic dialect.
            
            **Usage Instructions:**
            1. Enter your Arabic text in the text box below
            2. Adjust the temperature (0.1-1.0) to control speech variation
            3. Click "Generate Speech" to create audio
            4. Play or download the generated audio file
            """
        )
        
        with gr.Row():
            with gr.Column(scale=2):
                text_input = gr.Textbox(
                    label="Arabic Text",
                    placeholder="أدخل النص العربي هنا...",
                    lines=5,
                    rtl=True  # Right-to-left for Arabic
                )
                
                temperature_slider = gr.Slider(
                    minimum=0.1,
                    maximum=1.0,
                    value=0.75,
                    step=0.05,
                    label="Temperature (Speech Variation)",
                    info="Higher values = more variation, Lower values = more consistent"
                )
                
                generate_btn = gr.Button("🎵 Generate Speech", variant="primary", size="lg")
                
            with gr.Column(scale=1):
                audio_output = gr.Audio(
                    label="Generated Speech",
                    type="filepath",
                    interactive=False
                )
                
                status_output = gr.Textbox(
                    label="Status",
                    interactive=False,
                    lines=2
                )
        
        # Examples
        gr.Markdown("### 📝 Example Texts:")
        examples = [
            ["السلام عليكم ودى أوريكم أول نموذج اصطناعى مفتوح المصدر يتكلم باللهجة السعودية."],
            # ["أهلاً وسهلاً بكم في المملكة العربية السعودية و نتمنى لكم كل خير."],
            ["كيف حالكم؟ إن شاء الله تكونوا بخير و بصحة و بسلامة إن شاء الله."],
            ["السلام عليكم، أبغى أعرّفكم على أول نموذج تحويل نص لصوت مخصّص للهجة النجدية، تقدرون تستخدمونه في التطبيقات التعليمية وخدمات الدعم الصوتي."],
            ["أهلاً وسهلاً بكم في منصتنا المفتوحة؛ هدفنا توفير أدوات تساعد المطورين والباحثين على بناء تطبيقات ناطقة بالعربية واللهجات المحلية بسهولة وبجودة احترافية."],
            ["يا جماعة تخيلوا جهاز يوصف لكم الرحلة بالتفصيل بصوت طبيعي — من مواعيد الحجز، إلى اقتراحات الأماكن والمطاعم، وكلها باللهجة اللي تختارونها."],
            ["مرحباً، أرسلنا لكم المستندات المطلوبة مع الشرح المفصل، وإذا احتجتم أي توضيحات أو نسخ بديلة أنا جاهز أتابع معكم."],
            ["لو حابين تجربون النموذج بنفسكم، ارفعوا ملف نصي بسيط واضغطوا توليد؛ بيطلع لكم كلامٍ طبيعي قابل للتعديل في النبرة والسرعة والفواصل."],
            ["أنا قضيت سنوات أجمع تسجيلات باللهجة السعودية علشان أدرب النموذج، والنتيجة الحالية صوت طبيعي جداً وقابل للتخصيص بحسب السيناريو."],
            ["نشكر كل من ساهم في المشروع; تعاونكم فرق كثير وصار عندنا نموذج مفتوح نقدر نشاركه مع المجتمع البحثي والتطبيقي."],
            ["هل ممكن تعطوني خطوات دمج النموذج في واجهة ويب بسيطة باستعمال FastAPI وتشغيله عبر ملف صوتي؟ أحتاج مثال عملي يشتغل على سيرفر صغير."],
            ["إذا مهتمين بإصدار تجاري أو دعم تقني، نقدر نتكلم عن رخصة الاستخدام، خدمات التخصيص، وخطط الصيانة والدعم الفني."],
            ["لو عندك نص طويل لسيناريو بودكاست أو إعلان، النموذج يقرأه بصوت طبيعي مع تحكم في الانفعالات، الفواصل، والطبقة الصوتية."],
            ["أحب أشارككم موقف طريف: يوم كنت أسجّل عينات لللهجة قابلت ناس طيبين وساعدوني، والصوت الناتج خلى الجميع يضحك من شدة الشبه."],
            ["في حال حابين ديمو مباشر قدام فريقكم، أقدر أجهز ملف تجريبي ونشغله ونشرح إعدادات النبرة والسرعة خطوة بخطوة."],
            ["أخيراً، أي ملاحظات عن نطق كلمات معيّنة أو جودة المقاطع ترسلولنا علشان نطوّر النموذج في الإصدارات القادمة."]
        ]
        
        gr.Examples(
            examples=examples,
            inputs=[text_input],
            label="Click on any example to try it:"
        )
        
        # Event handlers
        generate_btn.click(
            fn=generate_speech,
            inputs=[text_input, temperature_slider],
            outputs=[audio_output, status_output],
            show_progress=True
        )
    
    return interface

# Main execution
if __name__ == "__main__":
    print("Initializing Saudi Arabic TTS App...")
    
    # Initialize app (install dependencies and load model)
    if initialize_app():
        print("✅ App initialized successfully!")
        
        # Create and launch interface
        interface = create_interface()
        interface.launch(
            server_name="0.0.0.0",  # Allow external access
            server_port=7860,       # Default Gradio port
            share=False,            # Set to True if you want a public link
            debug=True,
            # show_error=True
        )
    else:
        print("❌ Failed to initialize app. Please check the logs above.")