| import os | |
| import torch | |
| import gradio as gr | |
| from transformers import AutoProcessor, AutoModelForSpeechSeq2Seq | |
| # Modelo en Hugging Face | |
| MODEL_ID = "DRDELATV/drtd" | |
| TOKEN = os.getenv("HF_TOKEN") # ← Token cargado desde .env o variable de entorno | |
| print("🔁 Cargando modelo DRTD desde Hugging Face...") | |
| processor = AutoProcessor.from_pretrained(MODEL_ID, token=TOKEN) | |
| model = AutoModelForSpeechSeq2Seq.from_pretrained(MODEL_ID, token=TOKEN) | |
| model.eval() | |
| def inferir_audio(texto): | |
| inputs = processor(text=texto, return_tensors="pt") | |
| with torch.no_grad(): | |
| outputs = model.generate(**inputs) | |
| audio = processor.batch_decode(outputs, skip_special_tokens=True)[0] | |
| print(f"🎤 Texto sintetizado: {texto}") | |
| return audio | |
| demo = gr.Interface( | |
| fn=inferir_audio, | |
| inputs=gr.Textbox(label="📝 Escribe algo..."), | |
| outputs=gr.Textbox(label="🔊 Resultado generado"), | |
| title="🐽 TTS DRTD Kuchiyuya", | |
| description="Convierte texto en voz usando el modelo personalizado entrenado en HuggingFace" | |
| ) | |
| if __name__ == "__main__": | |
| demo.launch(share=True) | |