test_ref_text_correto.py

#!/usr/bin/env python3
"""
Teste fornecendo ref_text correto em vez de transcrição automática
"""

import os
import sys
from f5_tts.api import F5TTS

def main():
    print("🔍 Teste com ref_text correto vs automático")
    print("=" * 60)
    
    # Criar diretórios
    os.makedirs("output", exist_ok=True)
    
    # Inicializar modelo PT-BR
    model_path = "models/firstpixel-ptbr/pt-br/model_last.safetensors"
    model = F5TTS(ckpt_file=model_path, device="cpu")
    
    # Áudio de referência PT-BR 
    ref_audio = "voices/ref_audio.wav"
    
    # Texto para gerar
    gen_text = "olá, este é um teste com texto de referência correto."
    
    print("\n📝 TESTE 1: Com ref_text automático (vazio)")
    print("-" * 60)
    
    try:
        model.infer(
            ref_file=ref_audio,
            ref_text="",  # Transcrição automática
            gen_text=gen_text,
            file_wave="output/teste_ref_auto.wav",
            remove_silence=True
        )
        print("✅ Gerado: output/teste_ref_auto.wav")
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    print("\n📝 TESTE 2: Com ref_text manual correto")
    print("-" * 60)
    
    # Assumindo que o áudio de referência diz algo como:
    # "olá este é um teste em português brasileiro"
    ref_text_correto = "olá este é um teste em português brasileiro"
    
    try:
        model.infer(
            ref_file=ref_audio,
            ref_text=ref_text_correto,  # Texto correto manual
            gen_text=gen_text,
            file_wave="output/teste_ref_manual.wav",
            remove_silence=True
        )
        print("✅ Gerado: output/teste_ref_manual.wav")
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    print("\n📝 TESTE 3: Com Venus (inglês) e texto correto")
    print("-" * 60)
    
    ref_audio_venus = "voices/venus_en.wav"
    ref_text_venus = "Some call me nature others call me mother nature"
    gen_text_en = "hello this is a test with english reference"
    
    try:
        model.infer(
            ref_file=ref_audio_venus,
            ref_text=ref_text_venus,
            gen_text=gen_text_en,
            file_wave="output/teste_venus_manual.wav",
            remove_silence=True
        )
        print("✅ Gerado: output/teste_venus_manual.wav")
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    print("\n📝 TESTE 4: Criar referência PT-BR nova")
    print("-" * 60)
    print("Gerando novo áudio de referência em PT-BR...")
    
    # Gerar um áudio PT-BR limpo para usar como referência
    ref_text_novo = "meu nome é assistente e eu falo português brasileiro naturalmente"
    
    try:
        # Usar Venus para gerar um PT-BR inicial
        model.infer(
            ref_file=ref_audio_venus,
            ref_text=ref_text_venus,
            gen_text=ref_text_novo,
            file_wave="voices/ref_ptbr_novo.wav",
            remove_silence=True
        )
        print("✅ Nova referência criada: voices/ref_ptbr_novo.wav")
        
        # Agora usar a nova referência
        print("\nTestando com nova referência...")
        model.infer(
            ref_file="voices/ref_ptbr_novo.wav",
            ref_text=ref_text_novo,  # Texto exato do áudio
            gen_text="agora sim deve funcionar perfeitamente em português",
            file_wave="output/teste_ref_nova.wav",
            remove_silence=True
        )
        print("✅ Gerado com nova ref: output/teste_ref_nova.wav")
        
    except Exception as e:
        print(f"❌ Erro: {e}")
    
    # Resultados
    print("\n" + "=" * 60)
    print("📊 RESULTADOS:")
    print("-" * 60)
    
    arquivos = [
        ("output/teste_ref_auto.wav", "Ref text automático"),
        ("output/teste_ref_manual.wav", "Ref text manual PT"),
        ("output/teste_venus_manual.wav", "Venus com texto"),
        ("output/teste_ref_nova.wav", "Nova ref PT-BR")
    ]
    
    for arquivo, desc in arquivos:
        if os.path.exists(arquivo):
            size = os.path.getsize(arquivo) / 1024
            print(f"✅ {desc:20} - {size:.1f} KB")
        else:
            print(f"❌ {desc:20} - Não gerado")
    
    print("\n🎯 CONCLUSÃO:")
    print("Se 'Ref text manual' funciona melhor que 'automático':")
    print("→ Problema era transcrição incorreta do áudio de referência")


if __name__ == "__main__":
    main()