Voci clonate Qwen3-TTS selezionabili (Motore e Voce e telefono), importazione di un campione con trascrizione automatica

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

avatar/remote.py

@@ -270,7 +270,7 @@ class RemoteServer:
 
     # ── impostazioni dal telefono: motore, modello, ragionamento, voce ─────
     SETTING_KEYS = ("provider", "effort", "mlx_model", "mlx_thinking", "claudecode_model", "local_model",
-                    "tts_engine", "kokoro_voice", "voicebox_profile_id", "immagini_famiglia", "immagini_modello")
+                    "tts_engine", "kokoro_voice", "voicebox_profile_id", "qwen_voce", "immagini_famiglia", "immagini_modello")
 
     def _options(self) -> dict:
         from avatar.tts import KOKORO_VOICES
@@ -283,6 +283,7 @@ class RemoteServer:
             "claudecode_model": [("sonnet", "Sonnet"), ("opus", "Opus"), ("haiku", "Haiku")],
             "tts_engine": [("kokoro", "Kokoro (locale, rapida)"), ("qwen", "Qwen3-TTS (clonata, in LuZa)"), ("voicebox", "Voicebox (clonata)"), ("elevenlabs", "ElevenLabs"), ("chatterbox", "Chatterbox"), ("system", "Voce di sistema")],
             "kokoro_voice": list(KOKORO_VOICES.items()),
+            "qwen_voce": [(v, v.replace("_", " ")) for v in __import__("avatar.tts", fromlist=["qwen_voices"]).qwen_voices()],
             "immagini_famiglia": [("z-image-turbo", "Z-Image Turbo"), ("schnell", "FLUX schnell"), ("dev", "FLUX dev"), ("qwen", "Qwen-Image")],
         }
         try:

avatar/settings.py

@@ -57,6 +57,7 @@ DEFAULTS: dict[str, Any] = {
     "abitudini_enabled": True,              # distillazione settimanale delle abitudini nella memoria
     "umore_enabled": False,                 # stima oraria dell'umore dai messaggi scritti dall'utente
     "io_nomi": "Luciano",                   # come compare l'utente come mittente nelle chat esportate
+    "qwen_voce": "luza_voce",               # voce clonata (file in data/voices) per il motore Qwen3-TTS
     "ipixel_enabled": False,                # pannello LED iPIXEL via Bluetooth
     "ipixel_address": "",                   # identificativo BLE (rilevato da solo)
     "ipixel_luminosita": 40,

avatar/settings_dialog.py

@@ -141,6 +141,15 @@ class SettingsDialog(QDialog):
         form2 = QFormLayout()
         self.tts_engine = _combo([("kokoro", "Kokoro, voce neurale in locale"), ("qwen", "Qwen3-TTS dentro LuZa: voce clonata, quasi in tempo reale"), ("voicebox", "Voicebox: Qwen3-TTS in locale, espressiva, voce clonata"), ("elevenlabs", "ElevenLabs, espressiva nel cloud (chiave API)"), ("chatterbox", "Chatterbox, espressiva in locale (lenta)"), ("system", "Voce di sistema (macOS)")], s.get("tts_engine"))
         form2.addRow("Motore voce", self.tts_engine)
+        from .tts import qwen_voices
+        row = QHBoxLayout()
+        self.qwen_voce = QComboBox(); self.qwen_voce.addItems(qwen_voices())
+        self.qwen_voce.setCurrentText(str(s.get("qwen_voce") or ""))
+        row.addWidget(self.qwen_voce, 1)
+        b = QPushButton("Ascolta"); b.clicked.connect(self._qwen_play); row.addWidget(b)
+        b = QPushButton("Importa campione…"); b.clicked.connect(self._qwen_import); row.addWidget(b)
+        form2.addRow("Voce Qwen3-TTS (clonata)", row)
+        self.qwen_hint = _note("Campione di 10-20 secondi di una sola voce, senza musica: viene trascritto da solo."); form2.addRow("", self.qwen_hint)
         self.kokoro_voice = _combo(list(KOKORO_VOICES.items()), s.get("kokoro_voice")); form2.addRow("Voce Kokoro", self.kokoro_voice)
         self.system_voice = _combo([("", "Automatica (Alice)")] + [(v, v) for v in SystemVoice.list_voices()], s.get("system_voice"))
         form2.addRow("Voce di sistema", self.system_voice)
@@ -494,6 +503,31 @@ class SettingsDialog(QDialog):
                 self._async.emit("el_error", str(err)[:120])
         threading.Thread(target=work, daemon=True).start()
 
+    def _qwen_play(self) -> None:
+        import subprocess
+        from .tts import VOICES_DIR
+        f = VOICES_DIR / f"{self.qwen_voce.currentText()}.wav"
+        if f.exists():
+            subprocess.Popen(["afplay", str(f)])
+
+    def _qwen_import(self) -> None:
+        from PyQt6.QtWidgets import QFileDialog, QInputDialog
+        path, _ = QFileDialog.getOpenFileName(self, "Campione della voce", str(Path.home() / "Downloads"), "Audio (*.mp3 *.m4a *.wav *.aac *.flac *.ogg)")
+        if not path:
+            return
+        name, ok = QInputDialog.getText(self, "Nome della voce", "Nome:", text=Path(path).stem)
+        if not ok:
+            return
+        self.qwen_hint.setText("Importo e trascrivo il campione…")
+
+        def go():
+            try:
+                from .tts import import_voice
+                self._async.emit("qwen", import_voice(path, name))
+            except Exception as err:
+                self._async.emit("qwen", f"!{err}")
+        threading.Thread(target=go, daemon=True).start()
+
     def _mcp_example(self) -> None:
         self.mcp_text.setPlainText(json.dumps({"mcpServers": {
             "filesystem": {"command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", str(Path.home() / "Documents")]},
@@ -535,6 +569,12 @@ class SettingsDialog(QDialog):
     def _on_async(self, kind: str, payload) -> None:
         if kind == "ha":
             self.ha_hint.setText(str(payload)); return
+        if kind == "qwen":
+            if str(payload).startswith("!"):
+                self.qwen_hint.setText("Importazione fallita: " + str(payload)[1:]); return
+            from .tts import qwen_voices, VOICES_DIR
+            self.qwen_voce.clear(); self.qwen_voce.addItems(qwen_voices()); self.qwen_voce.setCurrentText(str(payload))
+            self.qwen_hint.setText("Voce «%s» importata. Trascrizione: %s" % (payload, (VOICES_DIR / f"{payload}.txt").read_text(encoding="utf-8")[:160])); return
         if kind == "mcp":
             self.mcp_hint.setText(str(payload)); return
         if kind == "vb":
@@ -606,7 +646,7 @@ class SettingsDialog(QDialog):
             "search_api_key": self.search_key.text().strip(),
             "claudecode_model": self.cc_model.currentData(), "claudecode_access": self.cc_access.currentData(),
             "claudecode_config_dir": self.cc_config.currentText().strip(), "claudecode_path": self.cc_path.text().strip(),
-            "tts_engine": self.tts_engine.currentData(), "kokoro_voice": self.kokoro_voice.currentData(),
+            "tts_engine": self.tts_engine.currentData(), "kokoro_voice": self.kokoro_voice.currentData(), "qwen_voce": self.qwen_voce.currentText(),
             "system_voice": self.system_voice.currentData(), "stt_model": self.stt_model.currentData(),
             "voicebox_profile_id": self.vb_profile.currentData() or "", "voicebox_engine": self.vb_engine.currentData(), "voicebox_instruct": self.vb_instruct.text().strip(),
             "elevenlabs_voice_id": self.el_voice.currentData() or "", "elevenlabs_model": self.el_model.currentData(),

avatar/tts.py

@@ -347,6 +347,29 @@ class VoiceboxVoice:
         return data
 
 
+VOICES_DIR = __import__("pathlib").Path(__file__).resolve().parent.parent / "data" / "voices"
+
+
+def qwen_voices() -> list[str]:
+    """Voci clonabili: file .wav in data/voices con la trascrizione .txt accanto."""
+    return sorted(p.stem for p in VOICES_DIR.glob("*.wav") if p.with_suffix(".txt").exists())
+
+
+def import_voice(src: str, name: str = "") -> str:
+    """Converte un campione (mp3, m4a, wav…) in data/voices/<nome>.wav a 24 kHz mono, max 20 s, e lo trascrive."""
+    import re
+    import subprocess
+    from pathlib import Path as _P
+    name = re.sub(r"[^a-z0-9_]+", "_", (name or _P(src).stem).lower()).strip("_") or "voce"
+    VOICES_DIR.mkdir(parents=True, exist_ok=True)
+    out = VOICES_DIR / f"{name}.wav"
+    subprocess.run(["ffmpeg", "-loglevel", "error", "-y", "-i", src, "-t", "20", "-ac", "1", "-ar", "24000", str(out)], check=True)
+    import mlx_whisper
+    text = mlx_whisper.transcribe(str(out), path_or_hf_repo="mlx-community/whisper-large-v3-turbo", language="it")["text"].strip()
+    out.with_suffix(".txt").write_text(text, encoding="utf-8")
+    return name
+
+
 class QwenVoice:
     """Qwen3-TTS dentro LuZa (mlx-audio), voce clonata da un campione + trascrizione. Modello e generazione girano
     sempre sullo stesso thread: MLX non condivide gli stream GPU tra thread."""
@@ -388,8 +411,10 @@ class QwenVoice:
 
 def make_voice(settings, on_status=None):
     if settings.get("tts_engine") == "qwen":
-        from pathlib import Path as _P
-        ref = _P(str(settings.get("qwen_ref") or "")) if settings.get("qwen_ref") else _P(__file__).resolve().parent.parent / "data" / "voices" / "qwen_ref.wav"
+        voices = qwen_voices()
+        ref = VOICES_DIR / f"{settings.get('qwen_voce') or ''}.wav"
+        if not ref.exists() and voices:
+            ref = VOICES_DIR / f"{voices[0]}.wav"
         txt = ref.with_suffix(".txt")
         return QwenVoice(str(ref), txt.read_text(encoding="utf-8") if txt.exists() else "", on_status=on_status)
     if settings.get("tts_engine") == "voicebox":

remote/app.js

@@ -164,9 +164,9 @@ connect();
 
 // ── impostazioni: motore, modello, ragionamento, voce ─────────────────────
 const LABELS = {provider: 'Motore', effort: 'Profondità (Claude)', mlx_model: 'Modello interno', mlx_thinking: 'Ragionamento (interno)', claudecode_model: 'Modello Claude Code',
-  tts_engine: 'Voce', kokoro_voice: 'Voce Kokoro', voicebox_profile_id: 'Profilo Voicebox', immagini_famiglia: 'Immagini: famiglia', immagini_modello: 'Immagini: modello'};
+  tts_engine: 'Voce', kokoro_voice: 'Voce Kokoro', qwen_voce: 'Voce clonata', voicebox_profile_id: 'Profilo Voicebox', immagini_famiglia: 'Immagini: famiglia', immagini_modello: 'Immagini: modello'};
 const SHOW_IF = {mlx_model: v => v.provider === 'mlx', mlx_thinking: v => v.provider === 'mlx', claudecode_model: v => v.provider === 'claudecode', effort: v => v.provider !== 'mlx' && v.provider !== 'local',
-  kokoro_voice: v => v.tts_engine === 'kokoro', voicebox_profile_id: v => v.tts_engine === 'voicebox'};
+  kokoro_voice: v => v.tts_engine === 'kokoro', qwen_voce: v => v.tts_engine === 'qwen', voicebox_profile_id: v => v.tts_engine === 'voicebox'};
 let sdata = null;
 async function openSettings() {
   $('settings').style.display = 'block'; $('shint').textContent = 'carico…';