app.py

import gradio as gr
import requests
import asyncio
import edge_tts

# Fonction pour générer du texte avec PyBotChat API (simulée ici)
def generate_text(prompt):
    # Simulation d'une génération de texte depuis Hugging Face (remplacer l'URL par une API réelle)
    url = "https://huggingface.co/spaces/Sad44587/PyBotChat/resolve/main/app.py"
    
    # Paramètres de la requête, ajuster selon le modèle spécifique
    payload = {
        "inputs": prompt,
        "options": {"use_gpu": False}
    }
    
    response = requests.post(url, json=payload)
    
    if response.status_code == 200:
        response_data = response.json()
        return response_data.get('generated_text', 'Désolé, je n\'ai pas pu générer de texte.')
    else:
        return "Erreur de génération du texte."

# Fonction pour générer la voix à partir du texte avec Edge TTS
async def generate_voice(text):
    communicate = edge_tts.Communicate(text, voice="fr-FR-DeniseNeural", rate="0%")
    await communicate.save("generated_audio.mp3")
    return "generated_audio.mp3"  # Retourne le chemin vers l'audio généré

# Fonction principale qui combine les deux processus
def generate_and_speak(prompt):
    # Générer le texte avec PyBotChat API
    generated_text = generate_text(prompt)
    
    # Générer la voix à partir du texte généré
    audio_path = asyncio.run(generate_voice(generated_text))
    
    return generated_text, audio_path

# Interface Gradio
def create_interface():
    with gr.Blocks() as demo:
        gr.Markdown("### Chatbot avec génération vocale")
        
        with gr.Row():
            prompt_input = gr.Textbox(label="Entrez votre message", placeholder="Tapez ici...")
            text_output = gr.Textbox(label="Réponse générée")
            audio_output = gr.Audio(label="Réponse vocale")

        prompt_input.submit(generate_and_speak, inputs=prompt_input, outputs=[text_output, audio_output])

    return demo

# Lancer l'interface
if __name__ == "__main__":
    demo = create_interface()
    demo.launch()