mirror of
https://github.com/deunix-educ/voice-assistant.git
synced 2026-10-13 08:21:58 +02:00
Denis Defolie
d20976fea2
État du projet au premier commit : - firmware ESP32 : micro I2S, lecture anti-gigue, MQTT (état retenu, testament), mains libres, domotique de démonstration, chien de garde, présence du serveur ; - serveur Python : sessions, VAD, faster-whisper, pyannote, identification, droits par profil, domotique, mot de réveil, Piper ; - broker Mosquitto : configuration, comptes et ACL (non activés en développement) ; - étape 15b écrite, en attente d'essai : agent MQTT pour machines Linux. Étapes 1 à 15 validées. 203 tests, pyright sans erreur. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
74 lines
2.7 KiB
Python
74 lines
2.7 KiB
Python
"""Synthèse vocale avec Piper (étape 6)."""
|
|
|
|
from __future__ import annotations
|
|
|
|
import logging
|
|
import time
|
|
from dataclasses import dataclass
|
|
from typing import TYPE_CHECKING
|
|
|
|
import numpy as np
|
|
|
|
from voice_server.audio_resampler import AudioResampler
|
|
from voice_server.settings import TtsSettings
|
|
|
|
if TYPE_CHECKING: # import réel dans __init__ : le mode écho se passe de l'extra « speech »
|
|
from piper import PiperVoice, SynthesisConfig
|
|
|
|
logger = logging.getLogger(__name__)
|
|
|
|
|
|
@dataclass(frozen=True)
|
|
class Speech:
|
|
"""Parole synthétisée, déjà au format du système."""
|
|
|
|
pcm: bytes # s16le mono à la fréquence du système
|
|
audio_s: float # durée de la parole
|
|
elapsed_s: float # temps de calcul (synthèse et rééchantillonnage)
|
|
|
|
|
|
class TextToSpeech:
|
|
"""Transforme un texte en PCM prêt à envoyer à l'ESP32.
|
|
|
|
Piper produit du 22 050 Hz en flottants ; AudioResampler le ramène au
|
|
format du système (16 kHz, s16le) et fixe sa crête à -3 dBFS.
|
|
"""
|
|
|
|
def __init__(self, tts: TtsSettings, resampler: AudioResampler, sample_rate: int) -> None:
|
|
"""
|
|
Args:
|
|
tts: réglages (voix, débit).
|
|
resampler: mise au format du système.
|
|
sample_rate: fréquence du système, pour calculer la durée produite.
|
|
|
|
Raises:
|
|
FileNotFoundError: la voix n'a pas été téléchargée.
|
|
"""
|
|
if not tts.model_path.exists():
|
|
raise FileNotFoundError(f"voix piper absente : {tts.model_path} : lancez 'make models'")
|
|
from piper import PiperVoice, SynthesisConfig
|
|
|
|
began = time.monotonic()
|
|
self._voice: PiperVoice = PiperVoice.load(tts.model_path)
|
|
self._config: SynthesisConfig = SynthesisConfig(length_scale=tts.length_scale)
|
|
self._resampler = resampler
|
|
self._sample_rate = sample_rate
|
|
logger.info("voix piper %s chargee en %.1f s (%d Hz)", tts.voice,
|
|
time.monotonic() - began, self._voice.config.sample_rate)
|
|
|
|
def synthesize(self, text: str) -> Speech:
|
|
"""Synthétise le texte ; Piper le découpe en phrases, qu'on remet bout à bout."""
|
|
began = time.monotonic()
|
|
parts: list[np.ndarray] = []
|
|
rate = self._voice.config.sample_rate
|
|
for chunk in self._voice.synthesize(text, syn_config=self._config):
|
|
parts.append(chunk.audio_float_array)
|
|
rate = chunk.sample_rate
|
|
signal = np.concatenate(parts) if parts else np.zeros(0, dtype=np.float32)
|
|
pcm = self._resampler.convert(signal, rate)
|
|
return Speech(
|
|
pcm=pcm,
|
|
audio_s=len(pcm) / 2 / self._sample_rate,
|
|
elapsed_s=time.monotonic() - began,
|
|
)
|