Initial commit: InkFlow — EPUB vers livre audio local (MLX/Kokoro)

backend/inkflow/tts/chunk.py

@@ -0,0 +1,62 @@
+"""Decoupage de texte en morceaux synthese-friendly.
+
+Les modeles TTS (Kokoro notamment) tronquent les textes trop longs. On decoupe
+donc sur les frontieres de phrases en respectant une longueur max par morceau.
+"""
+from __future__ import annotations
+
+import re
+
+# Fin de phrase : ponctuation forte suivie d'un espace.
+_SENTENCE_END_RE = re.compile(r"(?<=[.!?…])\s+|\n+")
+# Pour les phrases tres longues, on coupe aussi sur les virgules / points-virgules.
+_SOFT_BREAK_RE = re.compile(r"(?<=[,;:])\s+")
+
+DEFAULT_MAX_CHARS = 350
+
+
+def split_sentences(text: str) -> list[str]:
+    parts = [p.strip() for p in _SENTENCE_END_RE.split(text)]
+    return [p for p in parts if p]
+
+
+def _split_long(sentence: str, max_chars: int) -> list[str]:
+    """Coupe une phrase trop longue sur les virgules, puis par fenetre dure."""
+    if len(sentence) <= max_chars:
+        return [sentence]
+    out: list[str] = []
+    buf = ""
+    for piece in _SOFT_BREAK_RE.split(sentence):
+        cand = f"{buf} {piece}".strip()
+        if len(cand) <= max_chars:
+            buf = cand
+        else:
+            if buf:
+                out.append(buf)
+            if len(piece) <= max_chars:
+                buf = piece
+            else:  # mot/segment plus long que la fenetre : coupe brute
+                for i in range(0, len(piece), max_chars):
+                    out.append(piece[i:i + max_chars])
+                buf = ""
+    if buf:
+        out.append(buf)
+    return out
+
+
+def chunk_text(text: str, max_chars: int = DEFAULT_MAX_CHARS) -> list[str]:
+    """Regroupe les phrases en morceaux <= max_chars, sans couper une phrase."""
+    chunks: list[str] = []
+    buf = ""
+    for sentence in split_sentences(text):
+        for part in _split_long(sentence, max_chars):
+            cand = f"{buf} {part}".strip()
+            if len(cand) <= max_chars:
+                buf = cand
+            else:
+                if buf:
+                    chunks.append(buf)
+                buf = part
+    if buf:
+        chunks.append(buf)
+    return chunks