OpenAPI-AI/ST-STTAPI

1import os2import io3import traceback4import numpy as np5import scipy.io.wavfile as wavfile6from fastapi import FastAPI, HTTPException7from fastapi.responses import Response8from pydantic import BaseModel9from supertonic import TTS10import uvicorn11 12app = FastAPI(title="Supertonic TTS API")13 14class TTSRequest(BaseModel):15    text: str16    lang: str = "ru"17    voice: str = "M2"18 19print("Загрузка модели Supertonic TTS...")20tts = TTS(auto_download=True)21default_style = tts.get_voice_style(voice_name="M2")22print("Модель успешно загружена и готова к работе!")23 24@app.get("/")25async def root():26    return {27        "status": "ok",28        "message": "Supertonic TTS API is running",29        "docs": "/docs",30        "usage": "POST /api/tts с JSON: {'text': 'ваш текст', 'lang': 'ru', 'voice': 'M2'}"31    }32 33@app.post("/api/tts")34async def synthesize(request: TTSRequest):35    try:36        # 1. Получаем стиль голоса37        if request.voice == "M2":38            style = default_style39        else:40            style = tts.get_voice_style(voice_name=request.voice)41 42        # 2. Синтез43        wav, duration = tts.synthesize(request.text, voice_style=style, lang=request.lang)44 45        # 3. Конвертация аудио в numpy (если модель вернула тензор PyTorch)46        if hasattr(wav, 'cpu'):47            wav = wav.cpu().numpy()48        elif hasattr(wav, 'numpy'):49            wav = wav.numpy()50            51        wav = np.asarray(wav)52        53        # 4. Убираем лишние измерения (например, если форма (1, 48000) -> (48000,))54        wav = wav.squeeze()55        56        # 5. Нормализация и конвертация в int16 (стандарт для WAV)57        wav = wav.astype(np.float32)58        max_val = np.max(np.abs(wav))59        if max_val > 1.0:60            wav = wav / max_val61            62        # Конвертируем в int16 (от -32768 до 32767)63        wav_int16 = (wav * 32767).astype(np.int16)64 65        # 6. Получаем sample rate66        sample_rate = getattr(tts, 'sample_rate', 24000)67 68        # 7. Записываем в память через scipy69        out = io.BytesIO()70        wavfile.write(out, sample_rate, wav_int16)71        audio_bytes = out.getvalue()72 73        # 8. ИСПРАВЛЕНИЕ: Превращаем duration из numpy массива в обычный float74        # .item() безопасно извлекает скалярное значение из numpy array75        duration_float = float(np.asarray(duration).item())76 77        # 9. Возвращаем аудио78        return Response(79            content=audio_bytes,80            media_type='audio/wav',81            headers={82                "Content-Disposition": "attachment; filename=speech.wav",83                "X-Audio-Duration": str(round(duration_float, 2))84            }85        )86        87    except Exception as e:88        traceback.print_exc()89        raise HTTPException(status_code=500, detail=f"Ошибка генерации: {str(e)}")90 91if __name__ == '__main__':92    port = int(os.environ.get('PORT', 7860))93    uvicorn.run(app, host='0.0.0.0', port=port)