Initial commit: Qwen3-TTS Console Assistant implementation

This commit is contained in:
2026-03-23 15:27:57 +03:00
commit 5b79cfeb71
5 changed files with 592 additions and 0 deletions

266
main.py Normal file
View File

@@ -0,0 +1,266 @@
import sys
import os
import time
import sounddevice as sd
import numpy as np
import yaml
# Добавляем текущую директорию в путь для импорта
sys.path.append(os.path.dirname(os.path.abspath(__file__)))
from tts_engine import TTSEngine
# --- Функции записи и воспроизведения ---
def get_rms(data):
"""Вычисление среднеквадратичного уровня громкости"""
return np.sqrt(np.mean(data**2))
def record_sample_interactive(engine):
cfg = engine.config['recording']
sr = cfg['sample_rate']
channels = cfg['channels']
print("\n--- 🎙 Запись нового сэмпла ---")
name = input("Имя сэмпла (латиница, без пробелов, Enter для auto): ").strip()
if not name: name = f"speaker_{int(time.time())}"
# Очистка имени от недопустимых символов
name = "".join(c for c in name if c.isalnum() or c in ('_', '-')).strip()
text_prompt = input("Фраза для чтения (будет сохранена как текст сэмпла): ").strip()
if not text_prompt:
print("❌ Текст сэмпла обязателен для качественного клонирования.")
return None
save_dir = os.path.join(engine.config['storage']['sample_dir'], name)
if os.path.exists(save_dir):
print(f"⚠️ Сэмпл с именем '{name}' уже существует. Перезапись.")
print("\n🎤 НАЧАЛО ЗАПИСИ. Говорите сейчас!")
print(f"⏳ Запись остановится автоматически после паузы в {cfg['silence_duration']} сек.")
frames = []
silence_counter = 0
start_time = time.time()
try:
with sd.InputStream(samplerate=sr, channels=channels, dtype='float32') as stream:
while True:
data, overflowed = stream.read(1024)
if overflowed:
print("⚠️ Buffer overflow")
frames.append(data.copy())
# Логика VAD (Voice Activity Detection)
rms = get_rms(data)
# Если звук тихий
if rms < cfg['silence_threshold']:
silence_counter += len(data) / sr
else:
silence_counter = 0 # Сброс при наличии голоса
# Авто-стоп
current_duration = time.time() - start_time
if silence_counter >= cfg['silence_duration'] and current_duration > cfg['min_duration']:
print("\n🛑 Тишина обнаружена. Остановка записи.")
break
except KeyboardInterrupt:
print("\nЗапись прервана вручную.")
# Обработка и сохранение
recording = np.concatenate(frames, axis=0)
# Создаем папку и сохраняем
os.makedirs(save_dir, exist_ok=True)
audio_path = os.path.join(save_dir, "audio.wav")
sf.write(audio_path, recording, sr)
prompt_path = os.path.join(save_dir, "prompt.txt")
with open(prompt_path, 'w', encoding='utf-8') as f:
f.write(text_prompt)
print(f"✅ Сэмпл сохранен: {save_dir}")
return save_dir
def select_sample_ui(engine):
samples = engine.get_available_samples()
if not samples:
print("Нет сохраненных сэмплов. Сначала запишите один.")
return None
print("\n--- 📂 Выберите сэмпл ---")
for i, s in enumerate(samples):
txt_preview = s['prompt'][:40] + "..." if len(s['prompt']) > 40 else s['prompt']
print(f"[{i+1}] {s['name']} : \"{txt_preview}\"")
try:
idx = int(input("Номер: ")) - 1
if 0 <= idx < len(samples):
return samples[idx]['path']
except ValueError:
pass
print("Неверный выбор.")
return None
def select_audio_device():
print("\n--- 🔊 Выбор устройства вывода ---")
devices = sd.query_devices()
output_devices = []
for i, dev in enumerate(devices):
if dev['max_output_channels'] > 0:
output_devices.append((i, dev['name']))
for idx, name in output_devices:
default_marker = " (DEFAULT)" if idx == sd.default.device[1] else ""
print(f"[{idx}] {name}{default_marker}")
print("\nВведите ID устройства или Enter для использования по умолчанию.")
choice = input(">> ").strip()
if choice.isdigit():
return int(choice)
return None
def play_audio(filepath, device_id=None):
try:
data, sr = sf.read(filepath, dtype='float32')
sd.play(data, sr, device=device_id)
print(f"▶️ Воспроизведение: {os.path.basename(filepath)}")
# sd.wait() # Раскомментировать, если нужно блокировать консоль до конца воспроизведения
except Exception as e:
print(f"❌ Ошибка воспроизведения: {e}")
# --- Главное меню ---
def main():
print("Инициализация движка...")
try:
engine = TTSEngine("config.yaml")
except Exception as e:
print(f"Критическая ошибка инициализации: {e}")
return
current_sample_path = None
output_device = None
while True:
print("\n" + "="*40)
print(" QWEN3-TTS CONSOLE (Full Version)")
print("="*40)
print("1. 🎙 Управление сэмплами")
print("2. 🗣 Синтез речи")
print("3. 📁 История (Прослушивание/Чтение)")
print("4. ⚙️ Настройки")
print("0. Выход")
choice = input(">> ").strip()
if choice == '1':
print("\n--- Управление сэмплами ---")
print("1. Записать новый сэмпл")
print("2. Вырать существующий")
print("3. Сбросить текущий выбор")
sub = input(">> ").strip()
if sub == '1':
path = record_sample_interactive(engine)
if path: current_sample_path = path
elif sub == '2':
path = select_sample_ui(engine)
if path:
current_sample_path = path
print(f"✅ Выбран сэмпл: {path}")
elif sub == '3':
current_sample_path = None
print("Сброшено. Будет использован голос по умолчанию.")
elif choice == '2':
text = input("\nВведите текст: ").strip()
if not text: continue
print("\nРежим синтеза:")
print(f"1. Клонирование (Сэмпл: {'Да' if current_sample_path else 'Нет'})")
print("2. Описание голоса (Voice Design)")
print("3. Стандартный голос")
mode = input(">> ").strip()
try:
start_t = time.time()
wavs, sr = None, None
if mode == '1':
if not current_sample_path:
print("❌ Ошибка: Сэмпл не выбран!")
continue
wavs, sr = engine.generate_with_sample(text, current_sample_path)
elif mode == '2':
desc = input("Описание голоса (напр. 'Добрый женский голос'): ").strip()
if not desc: desc = "Neutral voice"
wavs, sr = engine.generate_with_description(text, desc)
elif mode == '3':
wavs, sr = engine.generate_standard(text)
if wavs is not None:
# Сохранение
saved_path = engine.save_result(text, wavs, sr)
elapsed = time.time() - start_t
print(f"\n✅ Успешно за {elapsed:.2f} сек.")
print(f"📁 Файл: {saved_path}")
# Вопрос о воспроизведении
ans = input("Воспроизвести сейчас? (y/n): ").strip().lower()
if ans == 'y':
play_audio(saved_path, output_device)
except Exception as e:
print(f"❌ Ошибка генерации: {e}")
elif choice == '3':
history = engine.get_history()
if not history:
print("\n📂 Папка out пуста.")
continue
print(f"\n--- 📂 История ({len(history)} файлов) ---")
# Выводим последние 10
for i, item in enumerate(history[:10]):
print(f"[{i+1}] {item['filename']}")
print(f" Текст: {item['text'][:50]}...")
if len(history) > 10:
print("... (показаны последние 10)")
print("\nВведите номер для прослушивания/чтения или Enter.")
sel = input(">> ").strip()
if sel.isdigit():
idx = int(sel) - 1
# Ищем в полном списке, но отображаем 10
# Для простоты берем индекс из отображаемого списка (0-9)
# Но правильнее из полного списка history
if 0 <= idx < len(history):
item = history[idx]
print(f"\n▶️ Файл: {item['filename']}")
print(f"📝 Текст:\n{item['text']}")
print("-" * 30)
play_audio(item['wav_path'], output_device)
elif choice == '4':
output_device = select_audio_device()
if output_device:
print(f"Установлено устройство вывода: {sd.query_devices(output_device)['name']}")
else:
print("Используется системное устройство по умолчанию.")
elif choice == '0':
print("Выход...")
break
if __name__ == "__main__":
main()