mirror of
https://github.com/R0m1k3/Socialflow.git
synced 2026-10-15 19:29:03 +02:00
Claude
44daa88a49
SRT : la voix n'est plus jamais accélérée (atempo sans plafond, jusqu'à 2× et plus, rendait la voix incompréhensible). Un morceau plus long que son sous-titre déborde et décale les suivants ; les sous-titres suivent la voix, la vidéo s'allonge et un avertissement signale le décalage. Rythme : style par défaut « neutre », consignes Gemini sans « rythme entraînant », débit Edge des styles dynamique/promo ramené à +0 %/+3 %. Nouveau moteur « qwen » : service qwen-tts (Qwen3-TTS sur CPU, gratuit, français, ton piloté par consigne, clonage de voix depuis qwen-tts/voices). Même vérification Whisper que Gemini, généralisée ; repli qwen → gemini → edge, et une lecture sous 85 % du texte est écartée (mots sautés/faux). Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01Upu97wMmsRkBoj6iVM4rH6
60 lines
2.2 KiB
Python
60 lines
2.2 KiB
Python
"""Synthèse vocale Edge (gratuite, fournit le minutage des mots)."""
|
|
|
|
import logging
|
|
from pathlib import Path
|
|
|
|
import edge_tts
|
|
|
|
from .. import config
|
|
from ..align import Word
|
|
from ..voices import edge_fallbacks, resolve_edge_voice
|
|
|
|
log = logging.getLogger(__name__)
|
|
|
|
# Réglages de lecture par style (Edge n'interprète pas de consigne en texte)
|
|
STYLE_PROSODY = {
|
|
# Débit à peine relevé : au-delà, la voix devient difficile à suivre
|
|
"dynamic": ("+0%", "+2Hz"),
|
|
"promo": ("+3%", "+3Hz"),
|
|
"calm": ("-8%", "-2Hz"),
|
|
"warm": ("-2%", "+0Hz"),
|
|
}
|
|
|
|
|
|
async def synthesize(
|
|
text: str, voice: str | None, style: str | None, workdir: Path
|
|
) -> tuple[Path, list[Word], str]:
|
|
"""Génère la voix ; renvoie le MP3, les mots minutés et la voix utilisée."""
|
|
rate, pitch = STYLE_PROSODY.get(style or "", ("+0%", "+0Hz"))
|
|
last_error: Exception | None = None
|
|
|
|
for candidate in edge_fallbacks(resolve_edge_voice(voice)):
|
|
target = workdir / "edge.mp3"
|
|
try:
|
|
communicate = edge_tts.Communicate(
|
|
text,
|
|
candidate.id,
|
|
rate=rate,
|
|
pitch=pitch,
|
|
# edge-tts 7 ne renvoie plus que les phrases par défaut
|
|
boundary="WordBoundary",
|
|
proxy=config.OUTBOUND_PROXY,
|
|
)
|
|
words: list[Word] = []
|
|
with target.open("wb") as out:
|
|
async for chunk in communicate.stream():
|
|
if chunk["type"] == "audio":
|
|
out.write(chunk["data"])
|
|
elif chunk["type"] == "WordBoundary":
|
|
start = chunk["offset"] / 10_000_000
|
|
words.append(Word(chunk["text"], start, start + chunk["duration"] / 10_000_000))
|
|
if target.stat().st_size == 0:
|
|
raise RuntimeError("audio vide")
|
|
log.info("Edge TTS : voix=%s, %d mots minutés", candidate.id, len(words))
|
|
return target, words, candidate.id
|
|
except Exception as error: # noqa: BLE001 — on essaie la voix suivante
|
|
log.warning("Edge TTS %s en échec : %s", candidate.id, error)
|
|
last_error = error
|
|
|
|
raise RuntimeError(f"Aucune voix Edge disponible : {last_error}")
|