initial: silero-tts-service + README

silero-tts-service/app/pipeline.py

@@ -0,0 +1,95 @@
+import asyncio
+import hashlib
+import io
+import logging
+import wave
+from functools import lru_cache
+from typing import Optional
+
+import numpy as np
+import torch
+
+from .engine import get_model, get_accentor
+
+logger = logging.getLogger(__name__)
+
+
+# ─── LRU-кэш ответов ───────────────────────────────────────────────
+# Кэшируем по хэшу текста + голоса. Убираем из кэша, если модель
+# переключили — для этого вызывается reset_cache().
+@lru_cache(maxsize=1024)
+def _cached_tts(text_hash: str, speaker: str, sample_rate: int) -> bytes:
+    """Кэш синтеза: текст_хэш + голос → WAV bytes"""
+    # Этот вызов НЕ должен происходить, только для типов
+    raise RuntimeError("Кэш пуст — нужно синтезировать")
+
+
+def reset_cache() -> None:
+    """Очистить кэш (вызывать при смене модели/настроек)"""
+    _cached_tts.cache_clear()
+
+
+# ─── Основной пайплайн ─────────────────────────────────────────────
+
+
+async def process_tts(
+    text: str,
+    speaker: str,
+    sample_rate: int,
+    cache_ttl: int = 604800,
+    cache_enabled: bool = True,
+) -> bytes:
+    """
+    Пайплайн синтеза:
+    1. Хэш текста (для кэша)
+    2. Генерация аудио (apply_tts встроенный accent/yo)
+    3. tensor → WAV bytes
+    """
+    # 1. Хэш текста
+    text_hash = hashlib.md5(text.encode("utf-8")).hexdigest()
+
+   # 2. Синтез (Silero apply_tts встроенный accent/yo)
+    model, device = get_model()
+    
+    def _synthesize_sync():
+        return model.apply_tts(
+            text=text,
+            speaker=speaker,
+            sample_rate=sample_rate,
+            put_accent=True,
+            put_yo=True,
+        )
+    
+    loop = asyncio.get_event_loop()
+    audio_tensor = await loop.run_in_executor(None, _synthesize_sync)
+
+    # 4. tensor → WAV
+    audio_np = audio_tensor.cpu().numpy()
+    wav_bytes = tensor_to_wav(audio_np, sample_rate)
+
+    logger.debug(
+        "Синтез завершён",
+        text_len=len(text),
+        wav_size=len(wav_bytes),
+        device=str(device),
+    )
+
+    return wav_bytes
+
+
+# ─── Утилиты ───────────────────────────────────────────────────────
+
+
+def tensor_to_wav(audio_np: np.ndarray, sample_rate: int) -> bytes:
+    """Конвертация numpy array в WAV bytes (16-bit mono)"""
+    audio_int16 = (audio_np * 32767).astype(np.int16)
+
+    buffer = io.BytesIO()
+    with wave.open(buffer, "wb") as wav_file:
+        wav_file.setnchannels(1)
+        wav_file.setsampwidth(2)  # 16-bit
+        wav_file.setframerate(sample_rate)
+        wav_file.writeframes(audio_int16.tobytes())
+
+    buffer.seek(0)
+    return buffer.getvalue()