Как простому смертному в этом разобраться

[mailremont]

Нашел сей проект, через поисковик по запросу text-to-speech, В описании проекта громкие слова о том, что STT корпоративного уровня, сделанный освежающе простым и никаких 20-шаговых инструкций. Нашел еще пару статей и примеров на хабре.
Итак установка.
Выбираю: pip install silero и затем import silero --- ОК, сделано. Дальше идем

Было

torch.hub.load(repo_or_dir='snakers4/silero-models',
model='silero_stt', # or silero_tts or silero_te
**kwargs)

Стало

from silero import silero_stt, silero_tts, silero_te
silero_stt(**kwargs)
Дальше идет табличка с языками, в которой нет русского языка! При этом на хабре примеры с выдрами, кедрами и тундрой. А дальше пример, который начинается с торча:
import torch
import zipfile
import torchaudio
from glob import glob

А где же хваленный from silero import silero_stt, silero_tts, silero_te ? Нет никаких примеров!

[snakers4]

https://github.com/snakers4/silero-models#pytorch-1

[snakers4]

По идее можно вызвать подсказку с сигнатурой функции, там был параметр типа audio_path или wav_path
Чтобы изменить формат аудио - надо самому использовать нужный кодек к массиву

[mailremont]

Использовал print(help(model.save_wav)) получил
save_wav(text=None, ssml_text=None, speaker: str = 'xenia', audio_path: str = '', sample_rate: int = 48000, put_accent=True, put_yo=True)
Каково назначение параметров put_accent и put_yo ?

[snakers4]

автопростановка ударения и буквы ё

[zoldaten]

@mailremont

import torch

language = 'ru'
model_id = 'v4_ru'
device = torch.device('cpu')
#torch.set_num_threads(4)

model, example_text = torch.hub.load(repo_or_dir='snakers4/silero-models',
                                     model='silero_tts',
                                     language=language,
                                     speaker=model_id)
model.to(device)  # gpu or cpu
sample_rate = 48000
speaker = 'xenia'
audio_path= 't.wav'
example_text = 'В недрах тундры выдры в г+етрах т+ырят в вёдра ядра к+едров?'

##audio = model.apply_tts(text=example_text,
##                        speaker=speaker,
##                        sample_rate=sample_rate,
##                        put_accent=put_accent,
##                        put_yo=put_yo)
print(example_text)
###display(Audio(audio, rate=sample_rate))
##audio_paths = model.save_wav(text=example_text,
##                             speaker=speaker,
##                             sample_rate=sample_rate)
#print(audio_paths)
model.save_wav(text=example_text,
               ssml_text=None,
               speaker=speaker,
               audio_path= audio_path,
               sample_rate = 48000,
               put_accent=True,
               put_yo=True)

Тоже искал как имя файла на out задавать, т.к. по умолчанию text.wav выдавало.
Вот рабочий пример.

[zoldaten]

@snakers4
Кстати, как обработать несколько файлов ?
С таким кодом обрабатывает только один:

device = torch.device('cpu') #cpu 0:00:00.004999

model, example_text = torch.hub.load(repo_or_dir='snakers4/silero-models',
                                     model='silero_tts',
                                     language=language,
                                     speaker=model_id)

#model.to(device)  # gpu or cpu
sample_rate = 48000
speaker = 'baya' #xenia

def job(file,model):    
    start = datetime.now()
    model.to(device)
    with open (file) as f:
        text=f.read()
    a=file.split('\\')[1].split('.')[0]    
    
    print(datetime.now()- start)
    model.save_wav(text=text,
               ssml_text=None,
               speaker=speaker,
               audio_path= f'{a}.wav',
               sample_rate = 48000,
               put_accent=True,
               put_yo=True)

for f in glob(r'./*.txt'):
    job(f,model)

и далее виснет:

1
Слишком рано для зрелых выводов, но эта планета мне кажется старой
0:00:00.014001
2
заслуга имеет геологический анализ
0:00:00.017996

Если

model, example_text = torch.hub.load(repo_or_dir='snakers4/silero-models',
                                     model='silero_tts',
                                     language=language,
                                     speaker=model_id)

поместить внутрь job(), то все ОК, но на 1 файл уходит аж 2 сек. То есть каждый раз модель в память загружается.
Как победить это ?

[zoldaten]

решено.
torch._C._jit_set_profiling_mode(False)

[Flashwalker]

@zoldaten
Напиши целиком решение, пабрацки