Añadir mu-plugins y scripts de feadulta

scripts/tts_eval.py

@@ -0,0 +1,82 @@
+#!/usr/bin/env python3
+"""
+tts_eval.py — Genera la MISMA frase de feadulta con varias voces/modelos TTS para
+compararlas (evaluación de voz, issue #76). Incluye:
+  - edge-tts Ximena (referencia, gratis, ya la usamos) — siempre.
+  - Modelos premium vía Hugging Face Inference Providers (consume crédito HF) — opcional.
+
+Objetivo: ELEGIR voz. Para producción en masa NO se usa HF (sale caro); el modelo
+abierto ganador se corre en LOCAL (RTX 5060 Ti) gratis. Ver análisis en #76.
+
+Uso:
+    # Solo la referencia local (gratis):
+    python3 scripts/tts_eval.py
+    # Con modelos HF (necesita token; gasta unos céntimos del crédito):
+    HF_TOKEN=hf_xxx python3 scripts/tts_eval.py --hf
+
+Salida: ./tts-eval/<nombre>.mp3  (escúchalos y elige).
+"""
+from __future__ import annotations
+import argparse, os, subprocess, sys
+from pathlib import Path
+
+SAMPLE = (
+    "Bienvenido a Fe Adulta. La humanidad abriga una esperanza: verse liberada de la "
+    "esclavitud y alcanzar la libertad de los hijos de Dios. Una fe adulta es una fe "
+    "personal, valiente, sin miedos infantiles. Detente un instante y respira."
+)
+OUT = Path(__file__).resolve().parent.parent / "tts-eval"
+EDGE = os.path.expanduser("~/.hermes/hermes-agent/venv/bin/edge-tts")
+
+# Candidatos vía HF Inference Providers (provider, model). Verifica disponibilidad en la
+# pestaña "Inference Providers" de cada modelo en huggingface.co — el routing cambia.
+HF_CANDIDATES = [
+    ("fal-ai", "fal-ai/f5-tts"),
+    ("fal-ai", "fal-ai/chatterbox/text-to-speech"),
+    ("hf-inference", "myshell-ai/MeloTTS-Spanish"),
+]
+
+
+def edge_samples():
+    OUT.mkdir(exist_ok=True)
+    for voz in ("es-ES-XimenaNeural", "es-ES-ElviraNeural", "es-MX-JorgeNeural"):
+        dst = OUT / f"edge-{voz}.mp3"
+        print(f"edge-tts {voz} ...", flush=True)
+        subprocess.run([EDGE, "--voice", voz, "--text", SAMPLE, "--write-media", str(dst)],
+                       capture_output=True)
+    print(f"  -> {OUT}")
+
+
+def hf_samples():
+    try:
+        from huggingface_hub import InferenceClient
+    except ImportError:
+        sys.exit("Falta huggingface_hub: pip install huggingface_hub")
+    token = os.environ.get("HF_TOKEN")
+    if not token:
+        sys.exit("Define HF_TOKEN para usar --hf")
+    OUT.mkdir(exist_ok=True)
+    for provider, model in HF_CANDIDATES:
+        name = model.replace("/", "_")
+        try:
+            client = InferenceClient(provider=provider, api_key=token)
+            audio = client.text_to_speech(SAMPLE, model=model)
+            dst = OUT / f"hf-{name}.mp3"
+            dst.write_bytes(audio)
+            print(f"OK  {provider}:{model} -> {dst.name}")
+        except Exception as exc:  # noqa: BLE001
+            print(f"FALLO {provider}:{model} -> {exc}")
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--hf", action="store_true", help="También generar con modelos HF (gasta crédito).")
+    args = ap.parse_args()
+    edge_samples()
+    if args.hf:
+        hf_samples()
+    print("\nEscucha los .mp3 en", OUT, "y elige. Para producción: correr el modelo abierto ganador en local.")
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())