한국어 우선 MeloTTS 웹 서비스 추가 (GPU, 속도/피치, 로그인 없음)

- FastAPI 백엔드: /api/voices, /api/tts, /api/health
- 한국어 메인 + 영어(5종 악센트), 중국어/일본어 UI 제거
- 언어별 목소리 모델 선택, 속도(0.5~2.0x)/피치(±12반음) 조절
- 로그인/사용제한/과금 유도 없음 (무제한 테스트)
- NVIDIA GPU 자동 사용 (torch cu128, Blackwell sm_120)
- 유저 친화 한국어 UI (frontend)
- Docker/compose (GPU 예약), 8788 포트
- MeloTTS(순수 파이썬) 벤더링 + 검증된 버전 고정(constraints)

app/tts_engine.py

@@ -0,0 +1,139 @@
+"""MeloTTS 래퍼 엔진.
+
+- 언어(한국어/영어)별 모델을 lazy-load 하고 캐시한다.
+- GPU(CUDA)가 있으면 자동으로 사용한다.
+- 속도(speed)와 피치(pitch, 반음 단위)를 조절할 수 있다.
+"""
+from __future__ import annotations
+
+import io
+import threading
+
+import numpy as np
+import soundfile as sf
+import torch
+
+try:
+    import librosa  # 피치 조절용
+except Exception:  # pragma: no cover
+    librosa = None
+
+from melo.api import TTS
+
+
+# 화면에 노출할 언어/화자 정의 (중국어/일본어는 제외)
+VOICES: dict[str, dict] = {
+    "KR": {
+        "label": "한국어",
+        "melo_lang": "KR",
+        "speakers": [
+            {"id": "KR", "label": "한국어 기본 목소리"},
+        ],
+    },
+    "EN": {
+        "label": "English (영어)",
+        "melo_lang": "EN",
+        "speakers": [
+            {"id": "EN-US", "label": "영어 · 미국식"},
+            {"id": "EN-BR", "label": "영어 · 영국식"},
+            {"id": "EN_INDIA", "label": "영어 · 인도식"},
+            {"id": "EN-AU", "label": "영어 · 호주식"},
+            {"id": "EN-Default", "label": "영어 · 기본"},
+        ],
+    },
+}
+
+
+def _pick_device() -> str:
+    return "cuda:0" if torch.cuda.is_available() else "cpu"
+
+
+class TTSEngine:
+    def __init__(self) -> None:
+        self.device = _pick_device()
+        self._models: dict[str, TTS] = {}
+        self._locks: dict[str, threading.Lock] = {k: threading.Lock() for k in VOICES}
+        self._global_lock = threading.Lock()
+
+    # ---- 모델 로딩 -------------------------------------------------
+    def _get_model(self, language: str) -> TTS:
+        if language not in VOICES:
+            raise ValueError(f"지원하지 않는 언어입니다: {language}")
+        model = self._models.get(language)
+        if model is not None:
+            return model
+        with self._locks[language]:
+            model = self._models.get(language)
+            if model is None:
+                melo_lang = VOICES[language]["melo_lang"]
+                model = TTS(language=melo_lang, device=self.device)
+                self._models[language] = model
+            return model
+
+    def warmup(self) -> None:
+        """서버 시작 시 모델을 미리 로드한다."""
+        for lang in VOICES:
+            try:
+                self._get_model(lang)
+            except Exception as exc:  # pragma: no cover
+                print(f"[warmup] {lang} 모델 로드 실패: {exc}")
+
+    def list_voices(self) -> list[dict]:
+        out = []
+        for code, info in VOICES.items():
+            out.append(
+                {
+                    "code": code,
+                    "label": info["label"],
+                    "speakers": info["speakers"],
+                }
+            )
+        return out
+
+    def _resolve_speaker(self, model: TTS, language: str, speaker: str | None) -> int:
+        spk2id = model.hps.data.spk2id
+        if speaker and speaker in spk2id:
+            return spk2id[speaker]
+        # 기본값: 정의된 첫 화자
+        default_id = VOICES[language]["speakers"][0]["id"]
+        if default_id in spk2id:
+            return spk2id[default_id]
+        return list(spk2id.values())[0]
+
+    # ---- 합성 -----------------------------------------------------
+    def synth_wav(
+        self,
+        text: str,
+        language: str,
+        speaker: str | None = None,
+        speed: float = 1.0,
+        pitch: float = 0.0,
+    ) -> bytes:
+        text = (text or "").strip()
+        if not text:
+            raise ValueError("텍스트가 비어 있습니다.")
+
+        speed = float(max(0.5, min(2.0, speed)))
+        pitch = float(max(-12.0, min(12.0, pitch)))
+
+        model = self._get_model(language)
+        speaker_id = self._resolve_speaker(model, language, speaker)
+
+        # 동시 추론은 GPU 메모리 보호를 위해 직렬화
+        with self._global_lock:
+            audio = model.tts_to_file(
+                text, speaker_id, output_path=None, speed=speed, quiet=True
+            )
+        sr = model.hps.data.sampling_rate
+
+        audio = np.asarray(audio, dtype=np.float32)
+        if abs(pitch) > 1e-3 and librosa is not None:
+            audio = librosa.effects.pitch_shift(audio, sr, n_steps=pitch)
+
+        buf = io.BytesIO()
+        sf.write(buf, audio, sr, format="WAV", subtype="PCM_16")
+        buf.seek(0)
+        return buf.read()
+
+
+engine = TTSEngine()