Update app.py

app.py

@@ -87,7 +87,6 @@ def get_edge_audio(text, v_code, rate_str="+0%", target_sr=None):
         tmp_path = f.name
     
     async def _generate():
-        # Truyền tốc độ trực tiếp vào AI của Microsoft
         communicate = edge_tts.Communicate(text, v_code, rate=rate_str)
         await communicate.save(tmp_path)
         
@@ -110,14 +109,12 @@ def process_single_line(index, text, start_sec, end_sec, provider, v_code, nativ
     srt_duration = end_sec - start_sec
     if srt_duration <= 0: srt_duration = 0.5
 
-    # 1. PHÂN LUỒNG & ÉP TỐC ĐỘ GỐC (NATIVE SPEED)
+    # 1. PHÂN LUỒNG & GỌI API
     if provider == "Microsoft Edge (Neural Cao Cấp)":
-        # Cộng thêm 15% tốc độ gốc để bù trừ sự "rề rà" mặc định của Edge
         base_boost = 15 
         user_boost = int((speed_m - 1.0) * 100)
         total_rate = base_boost + user_boost
         rate_str = f"+{total_rate}%" if total_rate >= 0 else f"{total_rate}%"
-        
         audio_chunk, _ = get_edge_audio(text, v_code, rate_str=rate_str, target_sr=native_sr)
     else:
         audio_chunk, _ = get_tiktok_audio(text, v_code, target_sr=native_sr)
@@ -125,23 +122,34 @@ def process_single_line(index, text, start_sec, end_sec, provider, v_code, nativ
     if audio_chunk is None:
         return index, None, None, None
 
-    # 2. XÉN KHOẢNG LẶNG ĐẦU/CUỐI TỰ ĐỘNG
-    # Cắt bỏ những đoạn âm thanh trống (dưới 35 decibel), ngăn việc ép thời gian sai lệch.
-    audio_chunk, _ = librosa.effects.trim(audio_chunk, top_db=35)
-    
+    # 2. XÉN KHOẢNG LẶNG (Có vòng bảo vệ)
+    audio_chunk_trimmed, _ = librosa.effects.trim(audio_chunk, top_db=35)
+    # Chỉ trim nếu file sau khi trim còn đủ dài (> 0.2s) để tránh lỗi thư viện sập
+    if len(audio_chunk_trimmed) > native_sr * 0.2:
+        audio_chunk = audio_chunk_trimmed
+        
     audio_chunk = safe_normalize(audio_chunk, target_peak=0.90)
     orig_dur = len(audio_chunk) / native_sr
 
-    # 3. TÍNH TOÁN BÙ TRỪ THỜI GIAN THEO SRT
-    required_speed = orig_dur / srt_duration
-    speed = max(speed_m, required_speed)
-    speed = min(speed, 2.0)
+    # 3. TÍNH TOÁN BÙ TRỪ THỜI GIAN
+    if provider == "Microsoft Edge (Neural Cao Cấp)":
+        # Tốc độ đã được Microsoft ép trên server, ta chỉ ép thêm nếu nó vẫn dài hơn SRT
+        stretch_factor = orig_dur / srt_duration
+        stretch_factor = max(1.0, stretch_factor) 
+    else:
+        # TikTok không ép tốc độ trên server, ta phải ép tay
+        stretch_factor = max(speed_m, orig_dur / srt_duration)
 
-    # 4. ÉP THỜI GIAN/CAO ĐỘ BẰNG PYRUBBERBAND (CHỈ KHI CẦN THIẾT)
-    if abs(speed - 1.0) > 0.01 or pitch_steps != 0:
-        processed_chunk = pyrb.time_stretch(audio_chunk, native_sr, speed)
-        if pitch_steps != 0:
-            processed_chunk = pyrb.pitch_shift(processed_chunk, native_sr, pitch_steps)
+    # 4. ÉP THỜI GIAN/CAO ĐỘ AN TOÀN
+    if abs(stretch_factor - 1.0) > 0.01 or pitch_steps != 0:
+        try:
+            processed_chunk = pyrb.time_stretch(audio_chunk, native_sr, stretch_factor)
+            if pitch_steps != 0:
+                processed_chunk = pyrb.pitch_shift(processed_chunk, native_sr, pitch_steps)
+        except Exception as e:
+            # Nếu pyrubberband sập (crash), hoàn tác dùng lại file gốc chứ không để bị khoảng trắng
+            processed_chunk = audio_chunk
+            print(f"Bỏ qua ép tốc độ dòng {index} do file quá ngắn hoặc lỗi: {e}")
     else:
         processed_chunk = audio_chunk
 
@@ -149,7 +157,7 @@ def process_single_line(index, text, start_sec, end_sec, provider, v_code, nativ
     processed_chunk = apply_fade(processed_chunk, native_sr, fade_duration=0.015)
 
     start_sample = int(start_sec * native_sr)
-    return index, processed_chunk, start_sample, speed
+    return index, processed_chunk, start_sample, stretch_factor
 
 # --- HÀM GIAO TIẾP VỚI GRADIO ---
 def srt_to_speech_handler(srt_file, provider, chon_giong, toc_do, cao_do, so_luong_luong, progress=gr.Progress(track_tqdm=True)):
@@ -225,7 +233,7 @@ def srt_to_speech_handler(srt_file, provider, chon_giong, toc_do, cao_do, so_luo
                     end_sample = len(final_audio)
 
                 final_audio[start_sample:end_sample] += processed_chunk
-                yield None, log(f" [{count}/{len(subs)}] ✅ Dòng {idx+1}: Thành công | Bù trừ Tốc độ SRT: {speed_applied:.2f}x")
+                yield None, log(f" [{count}/{len(subs)}] ✅ Dòng {idx+1}: Thành công | Biên độ giãn: {speed_applied:.2f}x")
             else:
                 yield None, log(f" [{count}/{len(subs)}] ❌ Dòng {idx+1}: Thất bại hoàn toàn.")
 
@@ -273,7 +281,7 @@ with gr.Blocks(title="SRT to Speech (TikTok + Edge)") as demo:
                     interactive=True
                 )
                 with gr.Row():
-                    speed_input = gr.Slider(minimum=1.0, maximum=1.5, value=1.2, step=0.1, label="Tốc độ mặc định")
+                    speed_input = gr.Slider(minimum=1.0, maximum=1.5, value=1.1, step=0.1, label="Tốc độ mặc định")
                     pitch_input = gr.Slider(minimum=-12, maximum=12, value=0, step=1, label="Cao độ (Pitch)")
                 
                 threads_input = gr.Slider(minimum=1, maximum=20, value=10, step=1, label="Số lượng luồng tải song song")