Update app.py

app.py

@@ -1,28 +1,27 @@
 import gradio as gr
-from transformers import FastSpeechForConditionalGeneration, Wav2Vec2Processor, AutoTokenizer, AutoModel
+from espnet2.bin.tts_inference import Text2Speech
+from transformers import AutoTokenizer, AutoModel
 
-# تحميل نموذج SaudiBERT لتحليل النص
+# تحميل SaudiBERT لتحليل النص
 tokenizer = AutoTokenizer.from_pretrained("faisalq/SaudiBERT")
-bert_model = AutoModel.from_pretrained("faisalq/SaudiBERT")
+model = AutoModel.from_pretrained("faisalq/SaudiBERT")
 
-# تحميل نموذج FastSpeech
-model = FastSpeechForConditionalGeneration.from_pretrained("facebook/fastspeech2-en-ljspeech")
-processor = Wav2Vec2Processor.from_pretrained("facebook/fastspeech2-en-ljspeech")
+# تحميل نموذج FastSpeech2
+tts = Text2Speech.from_pretrained("kan-bayashi/fastspeech2")
 
 # دالة لتحليل النص باستخدام SaudiBERT
-def analyze_text_with_bert(text):
+def analyze_text(text):
     inputs = tokenizer(text, return_tensors="pt")
-    outputs = bert_model(**inputs)
-    return outputs
+    outputs = model(**inputs)
+    # يمكنك تعديل النص هنا استنادًا إلى التحليل
+    return text  # إعادة النص للتحويل بعد التحليل
 
-# دالة تحويل النص إلى كلام
-def tts(text):
-    # تحليل النص قبل التحويل باستخدام SaudiBERT
-    analyzed_text = analyze_text_with_bert(text)
-    inputs = processor(text, return_tensors="pt")
-    speech = model.generate(**inputs)
-    return processor.decode(speech[0])
+# دالة لتحويل النص إلى كلام
+def tts_najdi(text):
+    processed_text = analyze_text(text)
+    speech = tts(processed_text)
+    return speech['wav']
 
 # واجهة Gradio
-iface = gr.Interface(fn=tts, inputs="text", outputs="audio", title="Najdi TTS with SaudiBERT")
+iface = gr.Interface(fn=tts_najdi, inputs="text", outputs="audio", title="FastSpeech2 Najdi TTS Model with SaudiBERT")
 iface.launch()