mirror of
https://github.com/R0m1k3/Socialflow.git
synced 2026-10-11 17:26:45 +02:00
Service ffmpeg-api réécrit (ffmpeg-service/app/) : - Appels FFmpeg asynchrones : le service ne se fige plus pendant un rendu - Vidéo récupérée par téléchargement (GET /files/…) au lieu de base64 en JSON - Vraies erreurs HTTP ; échec explicite si la voix demandée est impossible - 30 voix Gemini + ton de lecture (dynamique, chaleureux, promo, calme), clé en en-tête, modèle configurable avec repli - Edge TTS 7 (minutage des mots restauré), secours en voix françaises - Voix traitée : filtre, compression, niveau constant ; musique bouclée et baissée automatiquement sous la voix ; mix final à -14 LUFS - Sous-titres calés mot à mot (Whisper pour Gemini et la voix d'origine, à la place de ffsubsync), style Montserrat, placés hors des boutons Reels - Vidéo : plus de retouche luminosité forcée, scaling lanczos, HDR iPhone converti, BT.709, AAC 48 kHz 192k ; la vidéo s'allonge si la voix dépasse - Grand logo de fin affiché après la voix ; FFmpeg 7.0.2 épinglé, polices et modèle Whisper intégrés à l'image ; tests pytest et ruff Application : - Sélecteur de voix partagé (4 pages) : moteur, 30 voix, ton, écoute - Reel images : minutage réel des mots, interrupteur voix respecté - sync-info ne génère plus de voix à chaque frappe (estimation locale) - Stabilisation désactivée par défaut, route /reels/preview inutilisée retirée - Log « [ReelQueue] Worker démarré » pour vérifier la version déployée Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_018Ze4bs7tpF1KGWUk6ZZSZ4
103 lines
3.4 KiB
Python
103 lines
3.4 KiB
Python
"""Synthèse vocale Gemini (API generateContent, modalité audio)."""
|
|
|
|
import base64
|
|
import logging
|
|
import re
|
|
from pathlib import Path
|
|
|
|
import httpx
|
|
|
|
from .. import config, proc
|
|
from ..voices import resolve_gemini_voice, style_instruction
|
|
|
|
log = logging.getLogger(__name__)
|
|
|
|
API_ROOT = "https://generativelanguage.googleapis.com/v1beta/models"
|
|
FALLBACK_MODEL = "gemini-2.5-flash-preview-tts"
|
|
|
|
|
|
class GeminiError(RuntimeError):
|
|
pass
|
|
|
|
|
|
def build_prompt(text: str, style: str | None) -> str:
|
|
"""Texte envoyé au modèle : la consigne de style précède le texte à lire."""
|
|
instruction = style_instruction(style)
|
|
return f"{instruction} :\n{text}" if instruction else text
|
|
|
|
|
|
async def _request(model: str, prompt: str, voice: str, api_key: str) -> dict:
|
|
payload = {
|
|
"contents": [{"parts": [{"text": prompt}]}],
|
|
"generationConfig": {
|
|
"responseModalities": ["AUDIO"],
|
|
"speechConfig": {"voiceConfig": {"prebuiltVoiceConfig": {"voiceName": voice}}},
|
|
},
|
|
}
|
|
async with httpx.AsyncClient(timeout=120) as client:
|
|
# Clé en en-tête : dans l'URL, elle finissait dans les journaux
|
|
response = await client.post(
|
|
f"{API_ROOT}/{model}:generateContent",
|
|
json=payload,
|
|
headers={"x-goog-api-key": api_key},
|
|
)
|
|
if response.status_code != 200:
|
|
raise GeminiError(f"Gemini {model} : HTTP {response.status_code} {response.text[:300]}")
|
|
return response.json()
|
|
|
|
|
|
async def synthesize(
|
|
text: str, voice: str | None, style: str | None, api_key: str, workdir: Path
|
|
) -> tuple[Path, str]:
|
|
"""Génère la voix ; renvoie un WAV brut et le nom de la voix utilisée."""
|
|
gemini_voice = resolve_gemini_voice(voice).id
|
|
prompt = build_prompt(text, style)
|
|
model = config.GEMINI_TTS_MODEL
|
|
log.info("Gemini TTS : modèle=%s voix=%s style=%s (%d car.)", model, gemini_voice, style, len(text))
|
|
|
|
try:
|
|
data = await _request(model, prompt, gemini_voice, api_key)
|
|
except GeminiError as error:
|
|
if model == FALLBACK_MODEL or "HTTP 404" not in str(error):
|
|
raise
|
|
log.warning("Modèle %s indisponible, repli sur %s", model, FALLBACK_MODEL)
|
|
data = await _request(FALLBACK_MODEL, prompt, gemini_voice, api_key)
|
|
|
|
try:
|
|
part = next(p for p in data["candidates"][0]["content"]["parts"] if "inlineData" in p)["inlineData"]
|
|
except (KeyError, IndexError, StopIteration) as error:
|
|
raise GeminiError(f"Réponse Gemini sans audio : {str(data)[:300]}") from error
|
|
|
|
audio = base64.b64decode(part["data"])
|
|
mime = part.get("mimeType", "")
|
|
raw = workdir / "gemini_raw.wav"
|
|
|
|
if "wav" in mime:
|
|
raw.write_bytes(audio)
|
|
else:
|
|
# PCM brut 16 bits (« audio/L16;codec=pcm;rate=24000 »)
|
|
rate_match = re.search(r"rate=(\d+)", mime)
|
|
pcm = workdir / "gemini.pcm"
|
|
pcm.write_bytes(audio)
|
|
await proc.run(
|
|
[
|
|
"ffmpeg",
|
|
"-y",
|
|
"-hide_banner",
|
|
"-loglevel",
|
|
"error",
|
|
"-f",
|
|
"s16le",
|
|
"-ar",
|
|
rate_match.group(1) if rate_match else "24000",
|
|
"-ac",
|
|
"1",
|
|
"-i",
|
|
str(pcm),
|
|
str(raw),
|
|
],
|
|
timeout=60,
|
|
)
|
|
pcm.unlink(missing_ok=True)
|
|
return raw, gemini_voice
|