app.py

import os
import io
import traceback
import numpy as np
import scipy.io.wavfile as wavfile  # Используем scipy вместо soundfile
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 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)
        # Сначала приводим к float32 для безопасной нормализации
        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 (работает безотказно)
        out = io.BytesIO()
        wavfile.write(out, sample_rate, wav_int16)
        audio_bytes = out.getvalue()

        # 8. Возвращаем аудио
        return Response(
            content=audio_bytes,
            media_type='audio/wav',
            headers={
                "Content-Disposition": "attachment; filename=speech.wav",
                "X-Audio-Duration": str(round(duration, 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)