first commit

2026-09-11 19:47:15 +03:00
commit 32754a1fe2
56 changed files with 3836 additions and 0 deletions
@@ -0,0 +1,107 @@
+"""Тест TTS-модуля (Модуль 3).
+
+Запуск:
+    python modules/tts/test_tts.py                          # синтез фразы по умолчанию, сохранить wav
+    python modules/tts/test_tts.py --play                   # то же + воспроизвести
+    python modules/tts/test_tts.py --text "Своё предложение"
+    python modules/tts/test_tts.py --voice ru-RU-DmitryNeural --play
+    python modules/tts/test_tts.py --rate -10               # другая скорость
+    python modules/tts/test_tts.py --provider piper --model models/piper/ru_RU-dmitri-medium.onnx
+    python modules/tts/test_tts.py --listen                 # интерактивно: вводишь текст — слышишь
+
+Критерии приёмки Модуля 3:
+1. Русская фраза звучит естественно, скорость на ~15% медленнее обычной.
+2. Несколько предложений — с заметными паузами между ними.
+3. Синтез короткой фразы (до 100 символов) — <= 3 c.
+"""
+from __future__ import annotations
+
+import argparse
+import sys
+import time
+from pathlib import Path
+
+try:
+    from modules.audio_io import Player
+    from modules.audio_io.codec import decode_audio_bytes  # noqa: F401 (использование ниже)
+    from modules.tts import get_provider
+except ImportError:
+    sys.path.insert(0, str(Path(__file__).resolve().parents[2]))
+    from modules.audio_io import Player
+    from modules.audio_io.codec import decode_audio_bytes  # noqa: F401
+    from modules.tts import get_provider
+
+SAMPLES_DIR = Path(__file__).resolve().parent / "samples"
+DEFAULT_TEXT = (
+    "Здравствуйте! Это проверка голоса ассистента. "
+    "Сейчас проверим, насколько понятна речь. Погода сегодня хорошая."
+)
+
+
+def parse_args() -> argparse.Namespace:
+    p = argparse.ArgumentParser(description="Тест TTS-модуля")
+    p.add_argument("--text", default=DEFAULT_TEXT, help="текст для синтеза")
+    p.add_argument("--provider", default="edge", choices=["edge", "piper"])
+    p.add_argument("--voice", default="ru-RU-SvetlanaNeural",
+                   help="голос edge-tts (ru-RU-DmitryNeural — мужской)")
+    p.add_argument("--rate", default=-15, help="скорость речи, %% (−15 по ТЗ)")
+    p.add_argument("--model", default="models/piper/ru_RU-dmitri-medium.onnx",
+                   help="путь к .onnx модели Piper")
+    p.add_argument("--pause", type=float, default=0.35, help="пауза между предложениями, с")
+    p.add_argument("--per-sentence", action="store_true",
+                   help="режим «предложение = запрос» (сравнение латентности)")
+    p.add_argument("--play", action="store_true", help="воспроизвести результат")
+    p.add_argument("--listen", action="store_true",
+                   help="интерактивно: вводишь текст — слышишь звук")
+    p.add_argument("--save", default=str(SAMPLES_DIR / "tts_out.wav"))
+    return p.parse_args()
+
+
+def speak_once(tts, text: str, play: bool, save: Path) -> None:
+    result = tts.synthesize(text)
+    print(result)
+
+    save = Path(save)
+    save.parent.mkdir(parents=True, exist_ok=True)
+    import soundfile as sf
+    sf.write(str(save), result.audio, result.samplerate)
+    print(f"Сохранено: {save} ({len(result.audio) / result.samplerate:.1f} c)")
+
+    if play:
+        player = Player()
+        print("Воспроизвожу...")
+        player.play(result.audio, result.samplerate, blocking=True)
+
+
+def listen_loop(tts) -> None:
+    player = Player()
+    print("Режим «слушать»: вводи текст, Enter — озвучить, пустая строка — выход.")
+    while True:
+        text = input("текст> ").strip()
+        if not text:
+            return
+        result = tts.synthesize(text)
+        print(f"  синтез {result.generation_sec:.2f} c, аудио {result.duration_sec:.1f} c")
+        player.play(result.audio, result.samplerate, blocking=True)
+
+
+def main() -> int:
+    args = parse_args()
+
+    kwargs = {"sentence_pause_sec": args.pause}
+    if args.provider == "edge":
+        kwargs.update(voice=args.voice, rate=int(args.rate), per_sentence=args.per_sentence)
+    else:
+        kwargs.update(model_path=args.model)
+
+    tts = get_provider(args.provider, **kwargs)
+
+    if args.listen:
+        listen_loop(tts)
+    else:
+        speak_once(tts, args.text, args.play, args.save)
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())