feat(voice): integrate Janis Joplin XTTS-v2 zero-shot voice cloning on MacMini M4

docker-compose.yml

@@ -17,6 +17,7 @@ services:
       - ./exports:/app/exports
       - ./data:/app/data
       - ./handlers:/app/handlers
+      - ./services:/app/services
       - ../libs/swarmlib:/app/swarmlib:ro
       - /home/matrixhasyou/domovoy_google_creds.json:/home/matrixhasyou/domovoy_google_creds.json:ro
       - /home/matrixhasyou/mutt:/home/matrixhasyou/mutt:rw
@@ -45,6 +46,7 @@ services:
       - ./exports:/app/exports
       - ./data:/app/data
       - ./handlers:/app/handlers
+      - ./services:/app/services
       - ../libs/swarmlib:/app/swarmlib:ro
       - /home/matrixhasyou/domovoy_google_creds.json:/home/matrixhasyou/domovoy_google_creds.json:ro
       - /home/matrixhasyou/mutt:/home/matrixhasyou/mutt:rw

handlers/voice.py

@@ -12,6 +12,7 @@ from aiogram.types import Message, BufferedInputFile
 from config import ADMIN_USER_ID, DATABASE_PATH
 import google.generativeai as genai
 import edge_tts
+import aiohttp
 
 logger = logging.getLogger(__name__)
 router = Router()
@@ -113,7 +114,7 @@ def log_voice_to_db(user_id, username, msg_type, duration, text):
         logger.error(f"❌ DB Log error: {e}")
 
 async def text_to_speech_bytes(text: str) -> bytes:
-    """Синтез качественного женского голосового ответа на русском через Edge TTS с глубоким тембром"""
+    """Синтез голоса Дженис Джоплин через локальный XTTS-v2 на MacMini M4 (с фоллбэком на Edge TTS)"""
     match = re.search(r"<voice>(.*?)</voice>", text, re.DOTALL | re.IGNORECASE)
     if match:
         speech_text = match.group(1).strip()
@@ -128,6 +129,27 @@ async def text_to_speech_bytes(text: str) -> bytes:
     if not speech_text:
         speech_text = "Приняла, Александр. Всё проанализировано и готово."
 
+    # 1. Приоритет: локальный синтез голосом Дженис Джоплин на MacMini M4 (XTTS-v2 Apple Metal)
+    try:
+        timeout = aiohttp.ClientTimeout(total=20)
+        async with aiohttp.ClientSession(timeout=timeout) as session:
+            payload = {
+                "text": speech_text,
+                "language": "ru",
+                "speaker_wav": "/Users/matrixhasyou/janis_ref_15s.wav"
+            }
+            async with session.post("http://192.168.10.167:8050/tts", json=payload) as resp:
+                if resp.status == 200:
+                    data = await resp.read()
+                    if len(data) > 1000:
+                        logger.info(f"🎤 Голос Дженис Джоплин (XTTS-v2 MacMini) успешно синтезирован ({len(data)} байт)")
+                        return data
+                logger.warning(f"XTTS вернул HTTP {resp.status}, переход на Edge TTS")
+    except Exception as e:
+        logger.warning(f"XTTS на MacMini недоступен ({e}), переход на Edge TTS")
+
+    # 2. Фоллбэк: Edge TTS (ru-RU-SvetlanaNeural)
+    try:
         communicate = edge_tts.Communicate(speech_text, "ru-RU-SvetlanaNeural", pitch="-8Hz", rate="-3%")
         out_path = f"/tmp/tts_{os.getpid()}_{int(datetime.now().timestamp())}.mp3"
         await communicate.save(out_path)
@@ -137,6 +159,9 @@ async def text_to_speech_bytes(text: str) -> bytes:
                 audio_bytes = f.read()
             os.remove(out_path)
         return audio_bytes
+    except Exception as e:
+        logger.error(f"Ошибка Edge TTS: {e}")
+        return b""
 
 def process_audio_with_gemini(audio_path: str) -> str:
     """Прямое транскрибирование аудио через Gemini Multimodal Audio API"""