Add application file

README.md

@@ -87,6 +87,38 @@ Le Space fonctionne **sur CPU comme sur ZeroGPU**, sans modification :
   démarrage échoue avec `No @spaces.GPU function detected during startup`. `app.py` décore
   donc `synthese()` dès que le module `spaces` est disponible.
 
+## Statistiques d'usage (facultatif)
+
+Le disque d'un Space est **éphémère** : un fichier écrit localement disparaît au moindre
+redémarrage. Les compteurs sont donc poussés dans un **dépôt HF (dataset), de préférence
+privé**. Fonctionnalité **désactivée** tant que `STATS_REPO` n'est pas renseigné.
+
+| Variable | Défaut | Rôle |
+|---|---|---|
+| `STATS_REPO` | *(vide)* | Dataset où écrire `stats.json`, ex. `mimba/malagasy-tts-stats`. Vide = désactivé. |
+| `STATS_SALT` | `mimba-space` | Sel du hachage des empreintes visiteurs |
+| `STATS_FLUSH_EVERY` | `10` | Écriture toutes les N synthèses |
+| `STATS_FLUSH_SECONDS` | `600` | …ou au bout de N secondes |
+
+> Le `HF_TOKEN` doit alors avoir le droit d'**écrire** sur ce dataset (et lui seul, en plus
+> de la lecture du modèle).
+
+Contenu de `stats.json` : total, compte par jour, compte par voix utilisée, et nombre de
+**visiteurs distincts** (empreintes `sha256(sel + IP + user-agent)` tronquées, irréversibles).
+
+**Jamais enregistré** : IP en clair, texte saisi, audio envoyé.
+
+**Écriture par lots** : une écriture par synthèse dépasserait la limite HF de
+**128 commits/heure**. Les compteurs sont donc accumulés en mémoire et poussés toutes les
+`STATS_FLUSH_EVERY` synthèses (ou `STATS_FLUSH_SECONDS`). Conséquence assumée : les
+dernières synthèses avant un redémarrage peuvent être perdues.
+
+### Connaître l'identité des visiteurs
+
+Impossible pour un visiteur anonyme. Il faut une **connexion HF explicite** : ajoute
+`hf_oauth: true` dans l'en-tête YAML et un `gr.LoginButton()` dans l'interface — tu obtiens
+alors le nom d'utilisateur de ceux qui acceptent de se connecter, et uniquement d'eux.
+
 ## Notes techniques
 
 - **Gradio 6** (comme le Space officiel BlueTTS) : Gradio 4.x importait

app.py

@@ -63,6 +63,15 @@ LATENT_DIM = int(_env("BLUETTS_LATENT_DIM", "24"))
 SAMPLE_RATE = int(_env("BLUETTS_SAMPLE_RATE", "44100"))
 MAX_CHARS = int(_env("MAX_CHARS", "400"))
 
+# --- Statistiques d'usage (facultatif) ---
+# Le disque d'un Space est EPHEMERE : tout fichier ecrit est perdu au redemarrage.
+# Les compteurs sont donc pousses dans un depot HF (dataset), de preference PRIVE.
+# Laisser STATS_REPO vide desactive completement la fonctionnalite.
+STATS_REPO = _env("STATS_REPO")                       # ex. "mimba/malagasy-tts-stats"
+STATS_SALT = _env("STATS_SALT", "mimba-space")        # sel du hachage des IP
+STATS_FLUSH_EVERY = int(_env("STATS_FLUSH_EVERY", "10"))   # ecriture tous les N usages
+STATS_FLUSH_SECONDS = int(_env("STATS_FLUSH_SECONDS", "600"))
+
 # Voix de demonstration embarquees : le visiteur peut essayer sans fournir d'extrait.
 # Ce sont de VRAIES voix malgaches natives (les memes que celles du bootstrap Mimba).
 _DOSSIER_VOIX = os.path.join(os.path.dirname(__file__), "voix_demo")
@@ -88,6 +97,104 @@ _char_to_id, _pad_id = None, 0
 _ref_encoder = None
 
 
+# ============================================================
+#  Statistiques d'usage — RGPD : aucune donnée directement identifiante
+# ============================================================
+# Ce qui est conserve : compteurs par jour, nombre de visiteurs DISTINCTS (empreintes
+# hachees + salees, irreversibles), voix utilisee, pays si l'hebergeur le fournit.
+# Ce qui n'est JAMAIS conserve : IP en clair, texte saisi, audio envoye.
+_stats = {"total": 0, "par_jour": {}, "par_voix": {}, "empreintes": [], "maj": None}
+_stats_depuis_flush = 0
+_stats_dernier_flush = 0.0
+FICHIER_STATS = "stats.json"
+
+
+def _empreinte(requete):
+    """Empreinte anonyme et stable d'un visiteur (IP + navigateur, hachees + salees).
+    Irreversible : sert uniquement a compter des visiteurs distincts."""
+    import hashlib
+    ip = navigateur = ""
+    try:
+        entetes = dict(getattr(requete, "headers", {}) or {})
+        ip = (entetes.get("x-forwarded-for") or "").split(",")[0].strip()
+        navigateur = entetes.get("user-agent", "")
+    except Exception:
+        pass
+    if not ip and not navigateur:
+        return None
+    brut = f"{STATS_SALT}|{ip}|{navigateur}"
+    return hashlib.sha256(brut.encode("utf-8")).hexdigest()[:16]
+
+
+def _charger_stats():
+    """Recupere les compteurs existants : le disque du Space etant efface a chaque
+    redemarrage, l'historique ne survit que dans le depot HF."""
+    global _stats
+    if not STATS_REPO:
+        return
+    try:
+        import json
+        from huggingface_hub import hf_hub_download
+        chemin = hf_hub_download(STATS_REPO, FICHIER_STATS, repo_type="dataset",
+                                 token=HF_TOKEN)
+        with open(chemin, encoding="utf-8") as f:
+            precedent = json.load(f)
+        for cle in ("total", "par_jour", "par_voix", "empreintes"):
+            if cle in precedent:
+                _stats[cle] = precedent[cle]
+        print(f"[stats] historique repris : {_stats['total']} usages, "
+              f"{len(_stats['empreintes'])} visiteurs distincts", flush=True)
+    except Exception as e:
+        print(f"[stats] pas d'historique ({type(e).__name__}) -- demarrage a zero", flush=True)
+
+
+def _pousser_stats():
+    global _stats_depuis_flush, _stats_dernier_flush
+    if not STATS_REPO:
+        return
+    try:
+        import json
+        import time as _t
+        from huggingface_hub import HfApi
+        _stats["maj"] = _t.strftime("%Y-%m-%dT%H:%M:%SZ", _t.gmtime())
+        local = os.path.join(tempfile.gettempdir(), FICHIER_STATS)
+        with open(local, "w", encoding="utf-8") as f:
+            json.dump(_stats, f, ensure_ascii=False, indent=2)
+        HfApi().upload_file(
+            path_or_fileobj=local, path_in_repo=FICHIER_STATS, repo_id=STATS_REPO,
+            repo_type="dataset", token=HF_TOKEN,
+            commit_message=f"{_stats['total']} usages / {len(_stats['empreintes'])} visiteurs")
+        _stats_depuis_flush = 0
+        _stats_dernier_flush = _t.time()
+    except Exception as e:
+        print(f"[stats] ecriture impossible : {repr(e)[:120]}", flush=True)
+
+
+def _enregistrer_usage(requete, nom_voix, propre_extrait):
+    """Incremente les compteurs, et n'ecrit sur HF que par LOTS : une ecriture par
+    synthese depasserait vite la limite HF de 128 commits/heure."""
+    global _stats_depuis_flush
+    if not STATS_REPO:
+        return
+    try:
+        import time as _t
+        jour = _t.strftime("%Y-%m-%d", _t.gmtime())
+        _stats["total"] += 1
+        _stats["par_jour"][jour] = _stats["par_jour"].get(jour, 0) + 1
+        cle_voix = "voix fournie par le visiteur" if propre_extrait else (nom_voix or "?")
+        _stats["par_voix"][cle_voix] = _stats["par_voix"].get(cle_voix, 0) + 1
+        emp = _empreinte(requete)
+        if emp and emp not in _stats["empreintes"]:
+            _stats["empreintes"].append(emp)
+        _stats_depuis_flush += 1
+        assez_d_usages = _stats_depuis_flush >= STATS_FLUSH_EVERY
+        assez_de_temps = (_t.time() - _stats_dernier_flush) >= STATS_FLUSH_SECONDS
+        if assez_d_usages or assez_de_temps:
+            _pousser_stats()
+    except Exception as e:
+        print(f"[stats] non enregistre : {repr(e)[:120]}", flush=True)
+
+
 # ============================================================
 #  Chargement du modèle (dépôt privé -> disque temporaire)
 # ============================================================
@@ -141,6 +248,7 @@ def charger():
     _ref_encoder = EncodeurReference(dossier, sample_rate=SAMPLE_RATE,
                                      chunk_compress_factor=CHUNK_COMPRESS_FACTOR)
     print(f"[space] modele charge ({len(_char_to_id)} phonemes)", flush=True)
+    _charger_stats()
 
 
 # ============================================================
@@ -239,11 +347,13 @@ def apercu_voix_demo(voix_demo):
 
 
 @zero_gpu
-def synthese(texte, audio_ref, voix_demo, total_step, speed, seed, progress=gr.Progress()):
+def synthese(texte, audio_ref, voix_demo, total_step, speed, seed,
+             progress=gr.Progress(), request: gr.Request = None):
     if not texte or not texte.strip():
         raise gr.Error("Saisissez un texte en malgache.")
     if len(texte) > MAX_CHARS:
         raise gr.Error(f"Texte trop long ({len(texte)} caractères, maximum {MAX_CHARS}).")
+    audio_fourni = bool(audio_ref)      # distingue extrait du visiteur / voix fournie
     audio_ref = _resoudre_reference(audio_ref, voix_demo)
 
     progress(0.15, desc="Phonémisation…")
@@ -259,6 +369,7 @@ def synthese(texte, audio_ref, voix_demo, total_step, speed, seed, progress=gr.P
 
     sortie = os.path.join(tempfile.mkdtemp(), "mimba_bluetts.wav")
     sf.write(sortie, wav, SAMPLE_RATE)
+    _enregistrer_usage(request, voix_demo, propre_extrait=bool(audio_fourni))
     duree = len(wav) / SAMPLE_RATE
     return sortie, f"{duree:.2f} s · {len(phonemes)} phonèmes · {int(total_step)} pas"