#!/usr/bin/env python3
# Prueba de clonacion con XTTS-v2. Clona la voz de ref/jarvis_ref.wav y sintetiza
# unas frases de prueba en espanol. Mide el tiempo por frase (GPU vs CPU).
import os, sys, time
os.environ.setdefault("COQUI_TOS_AGREED", "1")  # aceptar licencia CPML no interactivo

DISPOSITIVO = sys.argv[1] if len(sys.argv) > 1 else "cuda"
REF = os.path.join(os.path.dirname(__file__), "ref", "jarvis_ref.wav")
SALIDA = os.path.join(os.path.dirname(__file__), "ref", "muestras")
os.makedirs(SALIDA, exist_ok=True)

FRASES = [
    "Buenas noches, señor. Todo está listo.",
    "He encontrado tres ficheros que coinciden. ¿Cuál abro?",
    "El procesador está a sesenta y un grados y quedan cuarenta gigabytes de memoria.",
]

print(f"cargando XTTS-v2 en {DISPOSITIVO}...", flush=True)
t0 = time.time()
import torch
from TTS.api import TTS
tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2").to(DISPOSITIVO)
print(f"  modelo cargado en {time.time()-t0:.1f} s", flush=True)

for i, frase in enumerate(FRASES, 1):
    t0 = time.time()
    dst = os.path.join(SALIDA, f"prueba_{DISPOSITIVO}_{i}.wav")
    tts.tts_to_file(text=frase, speaker_wav=REF, language="es", file_path=dst)
    dur = time.time() - t0
    print(f"  [{i}] {dur:5.1f} s  ->  {dst}", flush=True)
    print(f"       «{frase}»", flush=True)

print("listo.", flush=True)