# app.py
import os
import mimetypes
import tempfile
from dotenv import load_dotenv
import requests
import gradio as gr
load_dotenv()
API_URL = os.getenv("ALAVAN_TTS_API", "https://service.alavan.co.ir/api/v1/Model/TTS")
API_TOKEN = os.getenv("ALAVAN_API_TOKEN")
VALID_SPEAKERS = ["nima", "ahmad", "raha", "setare"]
RECOMMENDED = ["ahmad", "setare"]
def download_audio_from_url(url):
try:
with requests.get(url, stream=True, timeout=30) as r:
r.raise_for_status()
content_type = r.headers.get("Content-Type", "")
ext = None
if content_type:
ext = mimetypes.guess_extension(content_type.split(";")[0].strip())
if not ext:
parsed_ext = os.path.splitext(url.split("?")[0])[1]
ext = parsed_ext or ".wav"
tmp_fd, tmp_path = tempfile.mkstemp(suffix=ext)
os.close(tmp_fd)
with open(tmp_path, "wb") as f:
for chunk in r.iter_content(chunk_size=8192):
if chunk:
f.write(chunk)
return tmp_path
except Exception:
return None
def extract_audio_url_from_json(j):
if not isinstance(j, dict):
return None
data = j.get("data")
if isinstance(data, dict):
for key in ("audioFileUrl", "audio_file_url", "audio_url", "file", "url", "result_url"):
if key in data and isinstance(data[key], str) and data[key].strip():
return data[key].strip()
for key in ("audioFileUrl", "audio_file_url", "audio_url", "file", "url", "result_url"):
if key in j and isinstance(j[key], str) and j[key].strip():
return j[key].strip()
return None
def pretty_server_error(resp):
try:
data = resp.json()
except Exception:
return f"کد {resp.status_code} — پاسخ غیرقابلخواندن"
parts = []
if isinstance(data, dict):
if "message" in data:
parts.append(str(data["message"]))
errors = data.get("errors") or data.get("error") or {}
if isinstance(errors, dict):
for k, v in errors.items():
if isinstance(v, list):
parts.append(f"{k}: {', '.join(map(str, v))}")
else:
parts.append(f"{k}: {v}")
elif errors:
parts.append(str(errors))
return " — ".join(parts) if parts else f"کد {resp.status_code}"
return f"کد {resp.status_code}"
def tts_call_and_fetch(text, speaker_input):
if not API_TOKEN or not API_URL:
return "❌ توکن یا آدرس API تنظیم نشده. لطفاً فایل .env یا Secrets را بررسی کنید.", None
if not text or not text.strip():
return "❌ متن ورودی خالی است.", None
speaker = (speaker_input or "").strip().lower()
if speaker not in VALID_SPEAKERS:
return (
"❌ گوینده نامعتبر است. گویندههای معتبر:\n"
f"{', '.join(VALID_SPEAKERS)}\n"
f"گویندگان پیشنهادی: {', '.join(RECOMMENDED)}"
), None
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_TOKEN}"
}
payload = {
"text": text,
"modelType": speaker
}
try:
resp = requests.post(API_URL, headers=headers, json=payload, timeout=30)
except Exception as e:
return f"❌ خطا در اتصال به API: {e}", None
resp_json = None
try:
resp_json = resp.json()
except Exception:
resp_json = None
data_json = None
if resp.status_code in (200, 201) or isinstance(resp_json, dict):
data_json = resp_json or {}
else:
pretty = pretty_server_error(resp)
return f"❌ خطا از سرور API: {pretty}", None
audio_url = extract_audio_url_from_json(data_json)
if not audio_url:
if isinstance(data_json.get("data"), str) and data_json.get("data").startswith("http"):
audio_url = data_json.get("data")
if not audio_url:
return "❌ پاسخ API شامل آدرس فایل صوتی نبود.", None
audio_path = download_audio_from_url(audio_url)
if not audio_path:
return "❌ خطا در دانلود فایل صوتی از URL دریافتی.", None
return "✅ تولید و دانلود صدا با موفقیت انجام شد.", audio_path
with gr.Blocks(analytics_enabled=False, css="""
body { font-family: Inter, system-ui, -apple-system, "Segoe UI", Roboto, "Helvetica Neue", Arial; }
.header {
text-align: center;
padding: 14px 18px;
border-radius: 10px;
background: linear-gradient(rgb(255 114 114), rgb(251, 251, 255));
box-shadow: 0 6px 18px rgba(16,24,40,0.04);
margin-bottom: 18px;
}
.header h2 { margin: 0 0 6px 0; color:white;}
.header p { margin: 0; color: #6b7280; }
.card {
padding: 12px;
border-radius: 10px;
background: linear-gradient(180deg, #ffffff, #fcfcff);
box-shadow: 0 6px 18px rgba(16,24,40,0.04);
}
.badge {
display:inline-block;
padding:6px 10px;
border-radius:999px;
font-size:13px;
margin:3px 6px 3px 0;
background:#f1f5f9;
color:#111827;
}
.footer {
text-align:center;
margin-top:18px;
color:#6b7280;
font-size:13px;
}
""") as demo:
with gr.Row():
with gr.Column(scale=3):
gr.Markdown(
""
, rtl=True
)
with gr.Column(scale=1, min_width=220):
gr.HTML(
""
)
gr.Markdown("---")
with gr.Row():
# left column: inputs + results
with gr.Column(scale=2):
with gr.Row():
with gr.Column():
gr.Markdown("### تنظیمات و تولید صدا", rtl=True)
# کارت ورودی
gr.HTML("")
text_in = gr.Textbox(label="متن ورودی", placeholder="متن فارسی یا انگلیسی... (حداقل یک جمله)",
lines=6, rtl=True)
speaker = gr.Dropdown(choices=VALID_SPEAKERS, label="گوینده", value="setare")
with gr.Row():
btn = gr.Button("🔊 تولید صدا", variant="primary")
clear_btn = gr.Button("🧹 پاککردن ورودی")
status = gr.Textbox(label="وضعیت", interactive=False, rtl=True)
audio_out = gr.Audio(label="خروجی صوت", type="filepath")
gr.HTML("
")
gr.Markdown("#### نمونههای آماده", rtl=True)
examples = [
["سلام! امروز حال شما چطور است؟", "nima"],
["این یک نمونهٔ تبدیل متن به گفتار فارسی است.", "setare"],
["لطفاً صدای آزمایشی را با گوینده احمد تولید کن.", "ahmad"],
]
gr.Examples(examples=examples, inputs=[text_in, speaker], label="کلیک کن تا فیلدها پر شوند")
with gr.Column(scale=1):
gr.HTML("")
gr.Markdown("### گویندهها", rtl=True)
# badges گویندهها
badges_html = " ".join([f"{s}" for s in VALID_SPEAKERS])
gr.HTML(badges_html)
gr.Markdown("---")
gr.Markdown(
"**نکات مهم:**\n\n"
"- فایل صوتی بلافاصله دانلود شده و فقط نسخهٔ محلی پخش میشود\n"
"- برای استفاده در اپ های خود وارد سایت آلاوان شوید\n"
"- در صورت دریافت پیام سرور با متن خطا، پیام خلاصهشده به شما نمایش داده خواهد شد.\n"
"- خیلی از مدل های تبدیل متن به صوت فارسی تاریخ هارو ساپورت نمیکنند ولی مدل ستاره ما از تمامای واژگان اعداد و تاریخ های فارسی پشتیبانی میکند\n"
"- برای تغیر نوع خوانش از علائم نگارشی و , برای مکس استفاده کنید.\n"
, rtl=True
)
gr.Markdown("---")
gr.Markdown("### گویندگان پیشنهادی", rtl=True)
rec_html = " ".join([f"{s}" for s in RECOMMENDED])
gr.HTML(rec_html)
gr.HTML("
")
gr.HTML("")
clear_btn.click(lambda: ("", "setare"), inputs=None, outputs=[text_in, speaker], api_name=False,
show_api=False)
btn.click(fn=tts_call_and_fetch, inputs=[text_in, speaker], outputs=[status, audio_out], api_name=False,
show_api=False)
if __name__ == "__main__":
demo.launch(server_name="0.0.0.0", server_port=7860, show_api=False)
"
"🌐 وب سایت آلاوان