import gradio as gr from pydub import AudioSegment import requests import os import uuid import re # مسیر ذخیره فایل‌های موقت TEMP_DIR = "temp_audio" if not os.path.exists(TEMP_DIR): os.makedirs(TEMP_DIR) def download_file(url, output_path): """فایل را از یک URL دانلود می‌کند.""" try: response = requests.get(url, stream=True) response.raise_for_status() with open(output_path, 'wb') as f: for chunk in response.iter_content(chunk_size=8192): f.write(chunk) return True except requests.exceptions.RequestException as e: print(f"Error downloading {url}: {e}") return False except Exception as e: print(f"An unexpected error occurred during download of {url}: {e}") return False def get_audio_from_input(input_source): """منبع ورودی را پردازش کرده و یک شی AudioSegment برمی‌گرداند.""" unique_filename = os.path.join(TEMP_DIR, str(uuid.uuid4())) # Try to determine if it's a URL or a local path. # For Gradio's file input, it provides a local path. # For direct text input (like in the tts part), it's a URL. is_url = input_source.startswith("http://") or input_source.startswith("https://") audio_path = None # Initialize audio_path to handle finally block downloaded_temp_filepath = None if is_url: file_extension = os.path.splitext(input_source.split('?')[0])[1] if not file_extension: file_extension = ".mp3" # Default if no extension found in URL downloaded_temp_filepath = unique_filename + "_downloaded" + file_extension if not download_file(input_source, downloaded_temp_filepath): return None, f"خطا در دانلود فایل از لینک: {input_source}" audio_path = downloaded_temp_filepath else: # Assume it's a local file path provided directly or by Gradio audio_path = input_source try: if not os.path.exists(audio_path): return None, f"فایل پیدا نشد: {audio_path}" audio = AudioSegment.from_file(audio_path) return audio, None except Exception as e: return None, f"خطا در بارگذاری فایل صوتی ({audio_path}): {e}. مطمئن شوید فایل MP3 یا WAV معتبر است." finally: # Clean up downloaded temporary file if it was created if downloaded_temp_filepath and os.path.exists(downloaded_temp_filepath): try: os.remove(downloaded_temp_filepath) except OSError as e: print(f"Error removing temporary file {downloaded_temp_filepath}: {e}") def merge_audio_files(input_sources): """چندین فایل صوتی را ادغام می‌کند و یک فایل MP3 خروجی می‌دهد.""" if not input_sources: return None, "لیست ورودی‌های صوتی خالی است." combined_audio = AudioSegment.empty() errors = [] for source in input_sources: # get_audio_from_input can now handle direct file paths from Gradio or URLs audio_segment, error = get_audio_from_input(source) if audio_segment: combined_audio += audio_segment else: errors.append(error) print(f"Skipping {source} due to error: {error}") if not combined_audio.duration_seconds > 0: return None, "هیچ فایل صوتی معتبری برای ادغام پیدا نشد. " + "\n".join(errors) if errors else "" output_filename = os.path.join(TEMP_DIR, f"merged_audio_{uuid.uuid4()}.mp3") try: combined_audio.export(output_filename, format="mp3") return output_filename, "عملیات موفقیت آمیز بود!" except Exception as e: return None, f"خطا در ذخیره فایل خروجی: {e}" def add_intro_outro_and_background(podcast_audio, intro_audio_url, background_audio_url, outro_audio_url): """افکت‌های صوتی را به پادکست اضافه می‌کند.""" intro_audio, intro_error = get_audio_from_input(intro_audio_url) if intro_audio is None: return None, f"خطا در دانلود یا بارگذاری صدای ابتدایی: {intro_error}" background_audio, background_error = get_audio_from_input(background_audio_url) if background_audio is None: return None, f"خطا در دانلود یا بارگذاری موزیک پس‌زمینه: {background_error}" outro_audio, outro_error = get_audio_from_input(outro_audio_url) if outro_audio is None: return None, f"خطا در دانلود یا بارگذاری صدای انتهایی: {outro_error}" # طول کل صدای نهایی برای تکرار موزیک پس‌زمینه total_duration_estimate = len(intro_audio) + len(podcast_audio) + len(outro_audio) # مطمئن شوید موزیک پس‌زمینه به اندازه کافی طولانی است یا تکرار شود if len(background_audio) < total_duration_estimate: background_audio = background_audio * (int(total_duration_estimate / len(background_audio)) + 1) # Trim background audio to total duration background_audio = background_audio[:total_duration_estimate] # تنظیم شدت صدای پس‌زمینه (gain reduction) # این مقدار را می‌توانید تغییر دهید. -18dB معمولاً خوب است، اما بسته به نوع موسیقی متغیر است. # هرچه عدد منفی‌تر باشد، صدا کمتر می‌شود. background_audio = background_audio - 18 # کاهش مثلاً 18 دسی‌بل از صدای پس‌زمینه # اعمال fade-in و fade-out برای موزیک پس‌زمینه کلی fade_duration = 3000 # 3 ثانیه برای fade-in و fade-out کلی background_audio = background_audio.fade_in(fade_duration).fade_out(fade_duration) # ایجاد یک قطعه صوتی ساکت به اندازه طول کل پادکست mixed_audio = AudioSegment.silent(duration=total_duration_estimate) # 1. افزودن موزیک پس‌زمینه به mixed_audio (این موزیک قبلاً کاهش گین و fade شده است) mixed_audio = mixed_audio.overlay(background_audio, position=0) # 2. افزودن Intro Audio (خوش آمد گویی) در ابتدای پادکست mixed_audio = mixed_audio.overlay(intro_audio, position=0) # 3. افزودن Podcast Audio (دیالوگ‌ها) به mixed_audio، بلافاصله پس از اینترو mixed_audio = mixed_audio.overlay(podcast_audio, position=len(intro_audio)) # 4. افزودن Outro Audio (پایان پادکست) به mixed_audio، بلافاصله پس از پادکست mixed_audio = mixed_audio.overlay(outro_audio, position=len(intro_audio) + len(podcast_audio)) return mixed_audio, None def tts_and_merge_with_effects(text_input): """متن ورودی را پردازش کرده و فایل صوتی با افکت‌های صوتی تولید می‌کند.""" if not text_input.strip(): return None, "لطفاً متنی برای پردازش وارد کنید." # تجزیه متن و تولید پادکست اصلی lines = text_input.strip().split('\n') audio_urls_to_merge = [] errors = [] for line in lines: match = re.match(r'^\s*\((\d+)\)(.*)$', line) if match: speaker_number = match.group(1) text_for_tts = match.group(2).strip() if not text_for_tts: errors.append(f"خطا: متن خالی برای گوینده {speaker_number} در خط '{line}'") continue # ساخت URL برای Talkbot API # Encode the text for URL safety encoded_text = requests.utils.quote(text_for_tts) tts_url = f"https://talkbot.ir/api/TTS-S{speaker_number}?text={encoded_text}" print(f"درخواست TTS برای گوینده {speaker_number}: {tts_url}") try: response = requests.get(tts_url) response.raise_for_status() audio_link = response.text.strip() if audio_link.startswith("http"): audio_urls_to_merge.append(audio_link) else: errors.append(f"API برای گوینده {speaker_number} لینک معتبری برنگرداند: '{audio_link}'") except requests.exceptions.RequestException as e: errors.append(f"خطا در ارتباط با Talkbot API برای گوینده {speaker_number}: {e}") except Exception as e: errors.append(f"خطای غیرمنتظره در پردازش Talkbot API برای گوینده {speaker_number}: {e}") else: if line.strip(): # Only add error if line is not empty errors.append(f"فرمت نامعتبر در خط: '{line}'. انتظار می‌رود (شماره)متن.") if not audio_urls_to_merge: # Return specific errors if any occurred, otherwise a generic message return None, "هیچ فایل صوتی برای ادغام تولید نشد." + ("\n" + "\n".join(errors) if errors else "") # ادغام فایل‌های صوتی تولید شده برای ساخت پادکست اصلی (دیالوگ‌ها) podcast_audio_path, merge_message = merge_audio_files(audio_urls_to_merge) if not podcast_audio_path: return None, merge_message # بارگذاری پادکست اصلی (دیالوگ‌ها) به عنوان AudioSegment try: podcast_audio = AudioSegment.from_file(podcast_audio_path) except Exception as e: # Clean up the temporary merged file if it exists if os.path.exists(podcast_audio_path): os.remove(podcast_audio_path) return None, f"خطا در بارگذاری پادکست اصلی از مسیر موقت ({podcast_audio_path}): {e}" finally: # Always try to remove the temporary podcast_audio_path file if os.path.exists(podcast_audio_path): try: os.remove(podcast_audio_path) except OSError as e: print(f"Error removing temporary podcast audio file {podcast_audio_path}: {e}") # افزودن افکت‌های صوتی (اینترو، اوترو، پس‌زمینه) final_audio, error = add_intro_outro_and_background( podcast_audio, intro_audio_url="https://suprime.ir/example/effect-podcast/wk.mp3", # Intro audio URL background_audio_url="https://suprime.ir/example/effect-podcast/bk2.mp3", # Background music URL outro_audio_url="https://suprime.ir/example/effect-podcast/1.mp3" # Outro audio URL ) if not final_audio: return None, error # ذخیره فایل نهایی output_filename = os.path.join(TEMP_DIR, f"final_podcast_{uuid.uuid4()}.mp3") try: final_audio.export(output_filename, format="mp3") return output_filename, "پادکست با افکت‌های صوتی با موفقیت تولید شد!" except Exception as e: return None, f"خطا در ذخیره پادکست نهایی: {e}" # ایجاد رابط کاربری Gradio with gr.Blocks() as demo: gr.Markdown( """ # ابزار ادغام فایل‌های صوتی و تولید پادکست از متن در اینجا می‌توانید فایل‌های صوتی را ادغام کنید یا از متن با Talkbot API پادکست بسازید. **بخش‌ها:** 1. **ادغام فایل‌های صوتی موجود:** چندین لینک یا مسیر فایل صوتی را وارد کرده و آن‌ها را ادغام کنید. 2. **تولید پادکست از متن با Talkbot API و افکت‌های صوتی:** متنی با فرمت گوینده (مثال: `(1)سلام`) را وارد کنید تا به پادکست تبدیل شود. این پادکست شامل افکت‌های صوتی (اینترو، پس‌زمینه، اوترو) با تنظیم بلندی صدای پس‌زمینه خواهد بود. """ ) with gr.Tab("ادغام فایل‌های صوتی موجود"): gr.Markdown("## ادغام فایل‌های صوتی موجود (از لینک یا فایل محلی)") audio_links_input = gr.Textbox( label="لینک یا مسیر فایل‌های صوتی (هر کدام در یک خط جدید)", placeholder="مثال:\nhttps://example.com/audio1.mp3\n./local_audio.wav\nhttps://example.com/audio2.wav", lines=10 ) audio_merge_output_message = gr.Textbox(label="پیام", interactive=False) audio_merge_output_audio = gr.Audio(label="فایل صوتی ادغام شده", type="filepath") merge_button = gr.Button("ادغام فایل‌های صوتی") merge_button.click( fn=lambda x: merge_audio_files([s.strip() for s in x.split('\n') if s.strip()]), inputs=[audio_links_input], outputs=[audio_merge_output_audio, audio_merge_output_message] ) # Examples for audio merging gr.Examples( examples=[ ["https://www.soundhelix.com/examples/mp3/SoundHelix-Song-1.mp3\nhttps://www.soundhelix.com/examples/mp3/SoundHelix-Song-2.mp3"], ], inputs=audio_links_input, label="نمونه‌ها" ) with gr.Tab("تولید پادکست از متن (Talkbot API) و افکت‌های صوتی"): gr.Markdown("## تولید پادکست با Talks (Talkbot API) و افکت‌های صوتی") tts_text_input = gr.Textbox( label="متن برای تولید پادکست (فرمت: (شماره)متن - هر پرسوناژ در یک خط جدید)", placeholder="(1)سلام این تست صحبت اولین نفر است.\n(2)سلام، بله این هم یک تست است و من کاراکتر دوم هستم.\n(1)خب از کجا شروع کنیم\n(2)بهتره از اول شروع کنیم", lines=10 ) tts_output_message = gr.Textbox(label="پیام", interactive=False) tts_output_audio = gr.Audio(label="فایل پادکست تولید شده", type="filepath") tts_merge_button = gr.Button("تولید پادکست") tts_merge_button.click( fn=tts_and_merge_with_effects, inputs=[tts_text_input], outputs=[tts_output_audio, tts_output_message] ) # Examples for TTS gr.Examples( examples=[ ["(1)سلام این تست صحبت اولین نفر است.\n(2)سلام، بله این هم یک تست است و من کاراکتر دوم هستم."], ["(1)امروز هوا چطوره؟\n(2)فکر کنم آفتابیه."] ], inputs=tts_text_input, label="نمونه‌ها" ) if __name__ == "__main__": demo.launch() # برای اجرا در لوکال # demo.launch(share=True) # برای اشتراک‌گذاری موقت در یک لینک عمومی