feat: 자동 언어 감지 4개 언어로 확장 (한/영/일/중)

- split_by_language: 가나/한자 CJK 처리(가나 있으면 JP, 없으면 ZH)
- JP/ZH 언어·화자 추가, AUTO 구간별 화자 매핑
- warmup에 JP/ZH 모델 사전 다운로드 추가

Dockerfile

@@ -41,7 +41,7 @@ RUN pip uninstall -y triton 2>/dev/null || true \
  && find /usr/local/lib/python3.11/site-packages -name "__pycache__" -type d -prune -exec rm -rf {} + 2>/dev/null || true
 
 # 슬림화 후에도 한/영 모델이 정상 로드되는지 검증
-RUN python -c "from melo.api import TTS; TTS('KR', device='cpu'); TTS('EN', device='cpu'); print('slim import ok')"
+RUN python -c "from melo.api import TTS; [TTS(l, device='cpu') for l in ('KR','EN','JP','ZH')]; print('slim import ok')"
 
 # ---------- 런타임 단계 ----------
 FROM python:3.11-slim AS runtime

app/engines/melo_engine.py

@@ -32,57 +32,79 @@ EN_SPEAKERS = [
     {"id": "EN-Default", "label": "영어 · 기본"},
 ]
 KR_SPEAKERS = [{"id": "KR", "label": "한국어 기본 목소리"}]
+JP_SPEAKERS = [{"id": "JP", "label": "일본어 기본 목소리"}]
+ZH_SPEAKERS = [{"id": "ZH", "label": "중국어 기본 목소리"}]
 
-# 실제 MeloTTS 언어 코드
+# 실제 MeloTTS 언어 코드 (한/영/일/중)
-MELO_LANG = {"KR": "KR", "EN": "EN"}
+MELO_LANG = {"KR": "KR", "EN": "EN", "JP": "JP", "ZH": "ZH"}
 
-DEFAULT_LANG = "EN"  # 판별 불가 구간의 기본 언어(사용자 요청: 기본값 영어)
+DEFAULT_LANG = "EN"  # 판별 불가 구간의 기본 언어
 
 _KR_RE = re.compile(r"[가-힣ᄀ-ᇿ㄰-㆏]")
 _EN_RE = re.compile(r"[A-Za-z]")
+# 일본어 가나(히라가나/가타카나/반각 가타카나)
+_KANA_RE = re.compile(r"[぀-ヿｦ-ﾝ]")
+# 한자(CJK 통합 한자) — 일본어/중국어 공유라 단독으로는 모호
+_HAN_RE = re.compile(r"[㐀-䶿一-鿿豈-﫿]")
 
 
 def _pick_device() -> str:
     return "cuda:0" if torch.cuda.is_available() else "cpu"
 
 
-def split_by_language(text: str, default_lang: str = DEFAULT_LANG) -> list[tuple[str, str]]:
+def _char_group(ch: str) -> str | None:
-    """텍스트를 한국어/영어 구간으로 분리.
+    """문자를 그룹으로 분류: KR / EN / CJK(가나+한자) / None(중립)."""
+    if _KR_RE.match(ch):
+        return "KR"
+    if _KANA_RE.match(ch) or _HAN_RE.match(ch):
+        return "CJK"
+    if _EN_RE.match(ch):
+        return "EN"
+    return None
 
-    숫자·기호·공백 등 언어 판별이 안 되는 문자는 인접(진행 중) 구간에 붙인다.
+
-    전체가 판별 불가면 default_lang 으로 처리한다.
+def split_by_language(text: str, default_lang: str = DEFAULT_LANG) -> list[tuple[str, str]]:
+    """입력을 언어별(한/영/일/중) 구간으로 분리.
+
+    - 한글→KR, 라틴문자→EN
+    - 가나+한자는 하나의 CJK 구간으로 묶은 뒤, 가나가 있으면 일본어(JP), 없으면 중국어(ZH)로 판정
+    - 숫자·기호·공백 등 중립 문자는 진행 중 구간에 붙임
+    - 전체가 판별 불가면 default_lang(기본 영어)
     """
-    segments: list[tuple[str, str]] = []
+    raw: list[tuple[str, str]] = []
-    cur_lang: str | None = None
+    cur_group: str | None = None
     cur: list[str] = []
 
     for ch in text:
-        if _KR_RE.match(ch):
+        g = _char_group(ch)
-            kind = "KR"
+        if g is None:
-        elif _EN_RE.match(ch):
-            kind = "EN"
-        else:
-            kind = None  # 중립 문자
-
-        if kind is None:
             cur.append(ch)
             continue
-        if cur_lang is None:
+        if cur_group is None:
-            cur_lang = kind
+            cur_group = g
             cur.append(ch)
-        elif kind == cur_lang:
+        elif g == cur_group:
             cur.append(ch)
         else:
-            segments.append((cur_lang, "".join(cur)))
+            raw.append((cur_group, "".join(cur)))
-            cur_lang = kind
+            cur_group = g
             cur = [ch]
 
     if cur:
-        lang = cur_lang if cur_lang is not None else default_lang
+        raw.append((cur_group if cur_group is not None else "DEFAULT", "".join(cur)))
-        segments.append((lang, "".join(cur)))
 
-    # 실제 발음 가능한(문자 포함) 구간만 유지
+    out: list[tuple[str, str]] = []
-    return [(l, t) for l, t in segments if t.strip()]
+    for grp, seg in raw:
+        if not seg.strip():
+            continue
+        if grp == "CJK":
+            lang = "JP" if _KANA_RE.search(seg) else "ZH"
+        elif grp in ("KR", "EN"):
+            lang = grp
+        else:
+            lang = default_lang
+        out.append((lang, seg))
+    return out
 
 
 class MeloEngine(BaseEngine):
@@ -90,7 +112,7 @@ class MeloEngine(BaseEngine):
     label = "MeloTTS"
     license = "MIT"
     uses_gpu = True
-    notes = "자동 언어 감지: 한국어/영어 혼합 텍스트를 언어별로 나눠 각 음성으로 합성. 기본 영어."
+    notes = "자동 언어 감지: 한국어/영어/일본어/중국어 혼합 텍스트를 언어별로 나눠 각 음성으로 합성. 기본 영어."
 
     def __init__(self) -> None:
         self.device = _pick_device()
@@ -123,11 +145,13 @@ class MeloEngine(BaseEngine):
         languages = [
             {
                 "code": "AUTO",
-                "label": "자동 감지 (한국어+영어)",
+                "label": "자동 감지 (한/영/일/중)",
-                "speakers": EN_SPEAKERS,  # 영어 구간에 쓸 억양 선택 (한국어는 자동)
+                "speakers": EN_SPEAKERS,  # 영어 구간에 쓸 억양 선택 (그 외 언어는 자동)
             },
             {"code": "EN", "label": "English (영어)", "speakers": EN_SPEAKERS},
             {"code": "KR", "label": "한국어", "speakers": KR_SPEAKERS},
+            {"code": "JP", "label": "日本語 (일본어)", "speakers": JP_SPEAKERS},
+            {"code": "ZH", "label": "中文 (중국어)", "speakers": ZH_SPEAKERS},
         ]
         return {
             "id": self.id,
@@ -144,8 +168,9 @@ class MeloEngine(BaseEngine):
         spk2id = model.hps.data.spk2id
         if speaker and speaker in spk2id:
             return spk2id[speaker]
-        default_id = "KR" if lang == "KR" else "EN-US"
+        default_by_lang = {"KR": "KR", "EN": "EN-US", "JP": "JP", "ZH": "ZH"}
-        if default_id in spk2id:
+        default_id = default_by_lang.get(lang)
+        if default_id and default_id in spk2id:
             return spk2id[default_id]
         return list(spk2id.values())[0]
 
@@ -181,6 +206,7 @@ class MeloEngine(BaseEngine):
         if language == "AUTO":
             # 영어 구간엔 사용자가 고른 억양, 한국어 구간엔 KR 음성
             en_speaker = speaker if (speaker and speaker.startswith("EN")) else "EN-US"
+            spk_by_lang = {"KR": "KR", "EN": en_speaker, "JP": "JP", "ZH": "ZH"}
             parts = split_by_language(text, default_lang=DEFAULT_LANG)
             if not parts:
                 parts = [(DEFAULT_LANG, text)]
@@ -188,7 +214,7 @@ class MeloEngine(BaseEngine):
             sr = None
             gap = None
             for seg_lang, seg_text in parts:
-                seg_spk = "KR" if seg_lang == "KR" else en_speaker
+                seg_spk = spk_by_lang.get(seg_lang, en_speaker)
                 audio, seg_sr = self._synth_segment(seg_text, seg_lang, seg_spk, speed)
                 if sr is None:
                     sr = seg_sr

warmup.py

@@ -19,6 +19,8 @@ from melo.api import TTS
 SAMPLES = {
     "KR": "안녕하세요. 준비가 완료되었습니다.",
     "EN": "Hello, the model is ready.",
+    "JP": "こんにちは。準備ができました。",
+    "ZH": "你好，准备好了。",
 }
 
 for lang, text in SAMPLES.items():