app.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import os
import joblib
import numpy as np
import librosa
import gradio as gr
from huggingface_hub import hf_hub_download
from deepface import DeepFace
from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline

# --- 1. 下載並載入 SVM 模型 ---
# 這裡 repo_id 填你的模型倉庫路徑，例如 "GCLing/emotion-svm-model"
# filename 填上傳到該倉庫的檔案名，例如 "svm_emotion_model.joblib"
print("Downloading SVM model from Hugging Face Hub...")
model_path = hf_hub_download(repo_id="GCLing/emotion-svm-model", filename="svm_emotion_model.joblib")
print(f"SVM model downloaded to: {model_path}")
svm_model = joblib.load(model_path)
print("SVM model loaded.")

# --- 2. 載入文字情緒分析模型 ---
# 以 uer/roberta-base-finetuned-chinanews-chinese 為例；可替換成其他合適的中文情感分類模型
print("Loading text sentiment model...")
tokenizer = AutoTokenizer.from_pretrained("uer/roberta-base-finetuned-chinanews-chinese")
model_txt = AutoModelForSequenceClassification.from_pretrained("uer/roberta-base-finetuned-chinanews-chinese")
text_emotion = pipeline("sentiment-analysis", model=model_txt, tokenizer=tokenizer)
print("Text sentiment model loaded.")

# --- 3. 聲音特徵擷取函式 ---
def extract_feature(signal: np.ndarray, sr: int) -> np.ndarray:
    """
    從一段音訊 signal (numpy array) 和取樣率 sr 計算 MFCC 特徵 (13 維)，
    並回傳平均與變異組成的特徵向量 (共 26 維)。
    """
    # librosa 載入後 signal 為 float numpy array
    mfcc = librosa.feature.mfcc(y=signal, sr=sr, n_mfcc=13)
    # axis=1: 每個 MFCC 維度對時間做平均與變異數
    return np.concatenate([np.mean(mfcc, axis=1), np.var(mfcc, axis=1)])

# --- 4. 三種預測函式 ---

def predict_face(img: np.ndarray):
    """
    臉部情緒分析：使用 DeepFace 分析單張影像 (numpy array, HxWx3)。
    強制使用 OpenCV 後端以避免 retinaface/tf 版本衝突。
    回傳格式為 dict，例如 {"happy": 0.80, "sad": 0.05, ...}
    """
    # DeepFace.analyze 可能較耗時，建議在 Space 上需有適當硬體
    result = DeepFace.analyze(img, actions=["emotion"], detector_backend="opencv")
    # result["emotion"] 是字典
    return result["emotion"]

def predict_voice(audio):
    """
    語音情緒分析：audio 由 Gradio 傳入，形式為暫存檔路徑字串 (str)。
    用 librosa.load 讀取，再提取 MFCC 特徵，最後用 SVM 模型 predict_proba。
    回傳格式為 dict，例如 {"angry":0.1, "happy":0.7, ...}
    """
    # audio 參數為 Gradio Audio 組件給的檔案路徑
    signal, sr = librosa.load(audio, sr=None)
    feat = extract_feature(signal, sr)
    probs = svm_model.predict_proba([feat])[0]
    labels = svm_model.classes_
    return {labels[i]: float(probs[i]) for i in range(len(labels))}

def predict_text(text: str):
    """
    文字情緒分析：使用 transformers pipeline，
    輸入中文字串，回傳 dict，例如 {"POSITIVE":0.95} 或模型輸出標籤與信心分數。
    """
    if not text or text.strip() == "":
        return {}
    pred = text_emotion(text)[0]
    # pred 形如 {"label": "...", "score": ...}
    return {pred["label"]: float(pred["score"])}

# --- 5. 建立 Gradio 介面 ---
def build_interface():
    """
    建立一個 TabbedInterface，包含三個子 Interface：
    - 臉部情緒 (Webcam 拍照或上傳)
    - 語音情緒 (錄音或上傳音檔)
    - 文字情緒 (文字輸入)
    """
    # 臉部情緒：使用 gr.Interface 或 Blocks?
    face_interface = gr.Interface(
        fn=predict_face,
        inputs=gr.Image(sources="webcam", streaming=True, type="numpy"),
        outputs=gr.Label(num_top_classes=1),
        title="臉部情緒 (即時 Webcam)",
        description="允許攝影機拍照後自動分析當前表情的情緒分佈。"
    )

    # 語音情緒：錄音或上傳
    voice_interface = gr.Interface(
        fn=predict_voice,
        inputs=gr.Audio(sources="microphone", type="filepath"),
        outputs=gr.Label(num_top_classes=1),
        title="語音情緒",
        description="錄製語音或上傳音訊檔，模型會回傳「驚訝/生氣/開心/悲傷/害怕」五種情緒機率。"
    )

    # 文字情緒：輸入中文
    text_interface = gr.Interface(
        fn=predict_text,
        inputs=gr.Textbox(lines=3, placeholder="請輸入中文文字…"),
        outputs=gr.Label(num_top_classes=1),
        title="文字情緒",
        description="輸入中文文字，即時判斷文字情緒並回傳標籤與信心分數。"
    )

    # 三合一 Tabs
    app = gr.TabbedInterface(
        interface_list=[face_interface, voice_interface, text_interface],
        tab_names=["臉部情緒", "語音情緒", "文字情緒"]
    )
    return app

if __name__ == "__main__":
    # 可修改 port，如有多個服務可選不同 port
    demo = build_interface()
    # share=True 會產生臨時公開連結；若部署到 Spaces，可去掉 share 或留 False
    demo.launch(server_name="0.0.0.0", server_port=7861, share=True)