app.py

import os
import io
import traceback
import numpy as np
import scipy.io.wavfile as wavfile
from fastapi import FastAPI, HTTPException
from fastapi.responses import Response
from pydantic import BaseModel
from supertonic import TTS
import uvicorn

app = FastAPI(title="Supertonic TTS API")

class TTSRequest(BaseModel):
    text: str
    lang: str = "ru"
    voice: str = "M2"

print("Загрузка модели Supertonic TTS...")
tts = TTS(auto_download=True)
default_style = tts.get_voice_style(voice_name="M2")
print("Модель успешно загружена и готова к работе!")

@app.get("/")
async def root():
    return {
        "status": "ok",
        "message": "Supertonic TTS API is running",
        "docs": "/docs",
        "usage": "POST /api/tts с JSON: {'text': 'ваш текст', 'lang': 'ru', 'voice': 'M2'}"
    }

@app.post("/api/tts")
async def synthesize(request: TTSRequest):
    try:
        # 1. Получаем стиль голоса
        if request.voice == "M2":
            style = default_style
        else:
            style = tts.get_voice_style(voice_name=request.voice)

        # 2. Синтез
        wav, duration = tts.synthesize(request.text, voice_style=style, lang=request.lang)

        # 3. Конвертация аудио в numpy (если модель вернула тензор PyTorch)
        if hasattr(wav, 'cpu'):
            wav = wav.cpu().numpy()
        elif hasattr(wav, 'numpy'):
            wav = wav.numpy()
            
        wav = np.asarray(wav)
        
        # 4. Убираем лишние измерения (например, если форма (1, 48000) -> (48000,))
        wav = wav.squeeze()
        
        # 5. Нормализация и конвертация в int16 (стандарт для WAV)
        wav = wav.astype(np.float32)
        max_val = np.max(np.abs(wav))
        if max_val > 1.0:
            wav = wav / max_val
            
        # Конвертируем в int16 (от -32768 до 32767)
        wav_int16 = (wav * 32767).astype(np.int16)

        # 6. Получаем sample rate
        sample_rate = getattr(tts, 'sample_rate', 24000)

        # 7. Записываем в память через scipy
        out = io.BytesIO()
        wavfile.write(out, sample_rate, wav_int16)
        audio_bytes = out.getvalue()

        # 8. ИСПРАВЛЕНИЕ: Превращаем duration из numpy массива в обычный float
        # .item() безопасно извлекает скалярное значение из numpy array
        duration_float = float(np.asarray(duration).item())

        # 9. Возвращаем аудио
        return Response(
            content=audio_bytes,
            media_type='audio/wav',
            headers={
                "Content-Disposition": "attachment; filename=speech.wav",
                "X-Audio-Duration": str(round(duration_float, 2))
            }
        )
        
    except Exception as e:
        traceback.print_exc()
        raise HTTPException(status_code=500, detail=f"Ошибка генерации: {str(e)}")

if __name__ == '__main__':
    port = int(os.environ.get('PORT', 7860))
    uvicorn.run(app, host='0.0.0.0', port=port)