Create app.py

app.py

@@ -0,0 +1,64 @@
+import gradio as gr
+from transformers import AutoModelForTextToSpeech, AutoTokenizer
+import soundfile as sf
+import torch
+import os
+
+# 加载模型和Tokenizer（自动下载SoulX模型，首次构建会慢一点）
+model_name = "Soul-AILab/SoulX-Podcast-1.7B"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForTextToSpeech.from_pretrained(
+    model_name,
+    torch_dtype=torch.float16,  # 适配GPU，无GPU会自动切换CPU
+    device_map="auto"  # 自动分配运行设备
+)
+
+# 语音生成函数（对接Gradio界面）
+def generate_speech(text):
+    if not text.strip():
+        return None, "错误：请输入有效文本！"
+    
+    # 文本编码（模型要求的格式）
+    inputs = tokenizer(text, return_tensors="pt").to(model.device)
+    
+    # 生成音频（核心逻辑）
+    with torch.no_grad():  # 关闭梯度计算，节省内存
+        audio_output = model.generate(**inputs)
+    
+    # 保存音频文件（临时存储，Gradio会自动读取）
+    output_path = "output.wav"
+    sf.write(output_path, audio_output[0].cpu().numpy(), samplerate=24000)
+    
+    return output_path, "语音生成成功！"
+
+# 构建Gradio界面（可视化操作面板）
+with gr.Blocks(title="SoulX-Podcast-1.7B 中英双语TTS") as demo:
+    gr.Markdown("# 🎤 SoulX-Podcast-1.7B 文本转语音")
+    gr.Markdown("支持中英双语输入，生成自然流畅的语音（采样率24000Hz）")
+    
+    with gr.Row():
+        # 文本输入框
+        text_input = gr.Textbox(
+            label="输入文本",
+            placeholder="请输入要转换的文本（建议≤500字），支持中英双语...",
+            lines=5
+        )
+        # 音频输出框
+        audio_output = gr.Audio(label="生成的语音", type="filepath")
+    
+    # 状态提示框
+    status_text = gr.Textbox(label="状态", interactive=False)
+    
+    # 生成按钮
+    generate_btn = gr.Button("🚀 开始生成", variant="primary")
+    
+    # 绑定按钮事件：点击后触发生成函数
+    generate_btn.click(
+        fn=generate_speech,
+        inputs=text_input,
+        outputs=[audio_output, status_text]
+    )
+
+# 启动应用（Hugging Face Space会自动运行）
+if __name__ == "__main__":
+    demo.launch()