flowchart TB
    subgraph INPUT ["📥 קלט"]
        TEXT["📝 טקסט לקריאה<br/>(למשל: 'שלום עולם')"]
        VOICE["🎤 בחירת קול<br/>(Carter, Emma, וכו')"]
    end

    subgraph PROCESSOR ["⚙️ מעבד (Processor)"]
        direction TB
        TOKENIZER["🔤 Tokenizer<br/>המרת טקסט למספרים"]
        CACHED_PROMPT["💾 Voice Cache<br/>מאפייני הקול הנבחר"]
        
        TOKENIZER --> BATCH_ENCODE["📦 Batch Encoding<br/>ארגון הנתונים"]
        CACHED_PROMPT --> BATCH_ENCODE
    end

    subgraph MODEL ["🧠 המודל (Model)"]
        direction TB
        
        subgraph LM ["Language Model - הבנת הטקסט"]
            TEXT_LM["📖 Language Model<br/>(מבוסס Qwen2.5)<br/>מבין את הטקסט"]
        end
        
        subgraph TTS_LM ["TTS Language Model - יצירת דיבור"]
            TTS_MODEL["🗣️ TTS Language Model<br/>שכבות עליונות ליצירת דיבור"]
            EOS_CLASSIFIER["🔚 EOS Classifier<br/>זיהוי סוף משפט"]
        end
        
        subgraph DIFFUSION ["Diffusion Head - יצירת הצליל"]
            NOISE["🌫️ רעש אקראי"]
            TIMESTEP["⏱️ Timestep Embedder<br/>קידוד זמן"]
            CONDITION["🎯 Condition<br/>תנאי הדיבור"]
            HEAD_LAYERS["🔄 Head Layers<br/>שכבות עיבוד"]
            FINAL["🎵 Final Layer<br/>שכבה סופית"]
            
            NOISE --> HEAD_LAYERS
            TIMESTEP --> HEAD_LAYERS
            CONDITION --> HEAD_LAYERS
            HEAD_LAYERS --> FINAL
        end
        
        TEXT_LM --> TTS_MODEL
        TTS_MODEL --> DIFFUSION
        TTS_MODEL --> EOS_CLASSIFIER
    end

    subgraph DECODER ["🔊 מפענח האודיו"]
        direction TB
        ACOUSTIC["🎹 Acoustic Tokenizer<br/>המרה לצליל"]
        STREAMING_CACHE["📚 Streaming Cache<br/>זיכרון לסטרימינג"]
        AUDIO_DECODER["🔈 Audio Decoder<br/>יצירת גל קולי"]
        
        ACOUSTIC --> STREAMING_CACHE
        STREAMING_CACHE --> AUDIO_DECODER
    end

    subgraph OUTPUT ["📤 פלט"]
        STREAMER["🌊 Audio Streamer<br/>שידור חי של האודיו"]
        WAV_FILE["📁 קובץ WAV<br/>שמירה לקובץ"]
        WEBSOCKET["🌐 WebSocket<br/>שידור לדפדפן"]
    end

    TEXT --> PROCESSOR
    VOICE --> PROCESSOR
    PROCESSOR --> MODEL
    MODEL --> DECODER
    DECODER --> OUTPUT

    style INPUT fill:#e1f5fe
    style PROCESSOR fill:#fff3e0
    style MODEL fill:#f3e5f5
    style DECODER fill:#e8f5e9
    style OUTPUT fill:#fce4ec

flowchart LR
    subgraph ROOT ["📂 VibeVoice"]
        direction TB
        
        subgraph DEMO ["📂 demo - דוגמאות הרצה"]
            REALTIME_DEMO["vibevoice_realtime_demo.py<br/>🌐 הפעלת שרת WebSocket"]
            FILE_DEMO["realtime_model_inference_from_file.py<br/>📁 המרת קובץ טקסט"]
            COLAB["vibevoice_realtime_colab.ipynb<br/>☁️ נוטבוק לגוגל קולאב"]
            
            subgraph VOICES ["📂 voices - קבצי קולות"]
                VOICE_FILES["🎤 קבצי .pt<br/>Carter, Emma, Frank..."]
            end
            
            subgraph WEB ["📂 web - ממשק אינטרנט"]
                APP["app.py<br/>🖥️ שרת FastAPI"]
                HTML["index.html<br/>🌐 דף הבית"]
            end
        end
        
        subgraph VIBEVOICE ["📂 vibevoice - קוד המודל"]
            direction TB
            
            subgraph MODULAR ["📂 modular - רכיבי המודל"]
                CONFIG["configuration_*.py<br/>⚙️ הגדרות"]
                STREAMING["modeling_vibevoice_streaming*.py<br/>🧠 המודל הראשי"]
                DIFFUSION["modular_vibevoice_diffusion_head.py<br/>🎵 ראש הדיפוזיה"]
                TOKENIZER_MOD["modular_vibevoice_tokenizer.py<br/>🔤 טוקנייזר"]
                STREAMER_MOD["streamer.py<br/>🌊 סטרימר"]
            end
            
            subgraph PROCESSOR_DIR ["📂 processor - עיבוד קלט/פלט"]
                STREAMING_PROC["vibevoice_streaming_processor.py<br/>⚙️ מעבד סטרימינג"]
                TOKENIZER_PROC["vibevoice_tokenizer_processor.py<br/>🔤 מעבד אודיו"]
            end
            
            subgraph SCHEDULE ["📂 schedule - תזמון"]
                DPM["dpm_solver.py<br/>📐 DPM Solver"]
            end
        end
    end

    style DEMO fill:#e3f2fd
    style VIBEVOICE fill:#f3e5f5
    style MODULAR fill:#fff3e0
    style PROCESSOR_DIR fill:#e8f5e9

sequenceDiagram
    participant U as 👤 משתמש
    participant P as ⚙️ Processor
    participant LM as 📖 Language Model
    participant TTS as 🗣️ TTS Model
    participant D as 🎵 Diffusion Head
    participant A as 🔊 Acoustic Decoder
    participant S as 🌊 Streamer

    U->>P: טקסט + בחירת קול
    P->>P: טוקניזציה (המרה למספרים)
    P->>LM: טוקנים מוכנים
    
    loop עבור כל חלון טקסט (5 טוקנים)
        LM->>LM: הבנת הקשר הטקסט
        LM->>TTS: Hidden States
        
        loop עבור כל טוקן דיבור (6 פעמים)
            TTS->>D: תנאים ליצירת צליל
            D->>D: תהליך דיפוזיה (5 צעדים)
            D->>A: Latent מוכן
            A->>S: קטע אודיו קצר
            S->>U: 🔈 אודיו בזמן אמת!
        end
        
        TTS->>TTS: בדיקת EOS (סוף?)
    end
    
    S->>U: ✅ סיום

graph TB
    subgraph ENTRY ["🚪 נקודות כניסה"]
        CLI["💻 Command Line<br/>python demo/realtime_model_inference_from_file.py"]
        WEB_UI["🌐 Web Interface<br/>python demo/vibevoice_realtime_demo.py"]
        API["🔌 API<br/>WebSocket /stream"]
    end

    subgraph CORE ["🎯 ליבת המערכת"]
        direction TB
        
        PROC["VibeVoiceStreamingProcessor<br/>━━━━━━━━━━━━━━━━━━━<br/>• from_pretrained()<br/>• process_input_with_cached_prompt()<br/>• save_audio()"]
        
        MODEL_INF["VibeVoiceStreamingForConditionalGenerationInference<br/>━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━<br/>• forward_lm() - הבנת טקסט<br/>• forward_tts_lm() - יצירת דיבור<br/>• generate() - הרצה מלאה<br/>• sample_speech_tokens() - דיפוזיה"]
        
        STREAMING_MODEL["VibeVoiceStreamingModel<br/>━━━━━━━━━━━━━━━━━━<br/>• language_model (Qwen2.5)<br/>• tts_language_model<br/>• acoustic_tokenizer<br/>• prediction_head"]
    end

    subgraph COMPONENTS ["🧩 רכיבים"]
        DIFF_HEAD["VibeVoiceDiffusionHead<br/>━━━━━━━━━━━━━━━━<br/>• TimestepEmbedder<br/>• HeadLayers<br/>• FinalLayer"]
        
        TOKENIZER["VibeVoiceAcousticTokenizerModel<br/>━━━━━━━━━━━━━━━━━━━━━<br/>• TokenizerDecoder<br/>• SConv1d (עם cache)<br/>• SConvTranspose1d"]
        
        AUDIO_STREAM["AudioStreamer<br/>━━━━━━━━━━<br/>• put() - הכנסת אודיו<br/>• end() - סיום<br/>• get_stream() - קבלת זרם"]
        
        DPM_SOLVER["DPMSolverMultistepScheduler<br/>━━━━━━━━━━━━━━━━━━━━<br/>• set_timesteps()<br/>• step()"]
    end

    CLI --> PROC
    WEB_UI --> PROC
    API --> PROC
    
    PROC --> MODEL_INF
    MODEL_INF --> STREAMING_MODEL
    
    STREAMING_MODEL --> DIFF_HEAD
    STREAMING_MODEL --> TOKENIZER
    MODEL_INF --> AUDIO_STREAM
    MODEL_INF --> DPM_SOLVER

    style ENTRY fill:#e1f5fe
    style CORE fill:#f3e5f5
    style COMPONENTS fill:#e8f5e9

graph TB
    subgraph Architecture ["🏛️ ארכיטקטורת VibeVoice-Realtime-0.5B"]
        direction TB
        
        subgraph Params ["📊 פרמטרים"]
            SIZE["גודל: 0.5B פרמטרים"]
            CONTEXT["אורך הקשר: 8K טוקנים"]
            GENERATION["אורך יצירה: ~10 דקות"]
            LATENCY["השהייה ראשונה: ~300ms"]
        end
        
        subgraph Tech ["🔧 טכנולוגיות"]
            BASE["בסיס: Qwen2.5"]
            DIFFUSION_TECH["דיפוזיה: DPM-Solver++"]
            ACOUSTIC_TECH["אקוסטי: 7.5Hz frame rate"]
            SAMPLE["דגימה: 24kHz"]
        end
        
        subgraph Process ["⚙️ תהליך"]
            WINDOW["חלון טקסט: 5 טוקנים"]
            SPEECH["חלון דיבור: 6 טוקנים"]
            STEPS["צעדי דיפוזיה: 5"]
            CFG["CFG Scale: 1.5"]
        end
    end