Force environment rebuild

app.py

@@ -1,5 +1,5 @@
 # app.py
-# File máy chủ Flask hoàn chỉnh để triển khai trên Hugging Face Spaces
+# Phiên bản hoàn chỉnh, đã sửa lỗi đọc file audio và đồng bộ hóa phiên bản thư viện.
 
 import os
 import joblib
@@ -7,10 +7,12 @@ import numpy as np
 import librosa
 from flask import Flask, request, jsonify, render_template
 from werkzeug.utils import secure_filename
+import traceback
+
+# --- Thư viện mới để đọc audio một cách mạnh mẽ ---
+from pydub import AudioSegment
 
 # --- Cấu hình TensorFlow và các thư viện AI ---
-# Đặt biến môi trường để giảm thiểu log không cần thiết của TensorFlow.
-# Phải thực hiện trước khi import tensorflow.
 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 
 import tensorflow as tf
 from transformers import Wav2Vec2Processor, Wav2Vec2Model
@@ -19,31 +21,22 @@ import torch
 # --- KHỞI TẠO ỨNG DỤNG FLASK ---
 app = Flask(__name__)
 
-# Cấu hình thư mục tạm để lưu file audio người dùng tải lên
+# Cấu hình thư mục tạm để lưu file audio
 UPLOAD_FOLDER = 'uploads/'
 app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
-# Tạo thư mục nếu nó chưa tồn tại
 os.makedirs(app.config['UPLOAD_FOLDER'], exist_ok=True)
 
 
 # --- TẢI TẤT CẢ CÁC MÔ HÌNH KHI SERVER KHỞI ĐỘNG ---
-# Đây là bước quan trọng để tối ưu hóa hiệu suất. Mô hình chỉ được tải một lần
-# thay vì tải lại mỗi khi có yêu cầu dự đoán.
 print(">>> Đang tải các mô hình AI, quá trình này có thể mất một lúc...")
 
 try:
     MODEL_PATH = 'models/'
-    
-    # Tải các thành phần tiền xử lý và các mô hình machine learning
     scaler = joblib.load(os.path.join(MODEL_PATH, 'scaler.pkl'))
     label_encoder = joblib.load(os.path.join(MODEL_PATH, 'label_encoder.pkl'))
     model_xgb = joblib.load(os.path.join(MODEL_PATH, 'xgboost.pkl'))
     model_lgb = joblib.load(os.path.join(MODEL_PATH, 'lightgbm.pkl'))
-    
-    # Tải mô hình deep learning (CNN)
     model_cnn = tf.keras.models.load_model(os.path.join(MODEL_PATH, 'cnn.keras'))
-    
-    # Tải mô hình xử lý ngôn ngữ tự nhiên cho audio (Wav2Vec2)
     wav2vec_processor = Wav2Vec2Processor.from_pretrained("facebook/wav2vec2-base")
     wav2vec_model = Wav2Vec2Model.from_pretrained("facebook/wav2vec2-base")
     
@@ -51,27 +44,22 @@ try:
 
 except Exception as e:
     print(f"!!! LỖI NGHIÊM TRỌNG: Không thể tải một hoặc nhiều mô hình. Lỗi: {e}")
-    print("!!! Vui lòng kiểm tra lại đường dẫn và sự tồn tại của các file trong thư mục 'models/'.")
-    # Thoát ứng dụng nếu không tải được mô hình
+    traceback.print_exc()
     exit()
 
-# --- CÁC HÀM TRÍCH XUẤT ĐẶC TRƯNG ---
-# Các hàm này phải giống hệt với các hàm đã được sử dụng trong quá trình huấn luyện
-# để đảm bảo tính nhất quán của dữ liệu đầu vào cho mô hình.
+# --- CÁC HÀM TRÍCH XUẤT ĐẶC TRƯNG (KHÔNG ĐỔI) ---
 
 # Các hằng số cấu hình
 SAMPLE_RATE = 22050
 MAX_LENGTH_SECONDS = 5.0
 MAX_SAMPLES = int(SAMPLE_RATE * MAX_LENGTH_SECONDS)
 N_MELS = 128
-TRADITIONAL_FEATURE_SIZE = 570 # (128*4 cho melspec + 13*2 cho mfcc + ...) - Phải khớp với lúc train
+TRADITIONAL_FEATURE_SIZE = 570
 WAV2VEC_FEATURE_SIZE = 768
 SPECTROGRAM_SHAPE = (224, 224, 3)
 
 def _extract_traditional_features(y, sr):
-    """Trích xuất các đặc trưng âm thanh truyền thống (MFCC, Mel Spectrogram, etc.)."""
     try:
-        # Mel Spectrogram features (mean, std, max, min)
         mel_spec = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=N_MELS)
         mel_spec_db = librosa.power_to_db(mel_spec, ref=np.max)
         features = np.mean(mel_spec_db, axis=1)
@@ -79,34 +67,26 @@ def _extract_traditional_features(y, sr):
         features = np.append(features, np.max(mel_spec_db, axis=1))
         features = np.append(features, np.min(mel_spec_db, axis=1))
         
-        # MFCC features (mean, std)
         mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=13)
         features = np.append(features, np.mean(mfccs, axis=1))
         features = np.append(features, np.std(mfccs, axis=1))
         
-        # Cần thêm các đặc trưng khác nếu có trong lúc train để đủ `TRADITIONAL_FEATURE_SIZE`
-        # Ví dụ: chroma, spectral_contrast, etc.
-        # Ở đây, chúng ta sẽ pad/truncate để đảm bảo kích thước
         if len(features) > TRADITIONAL_FEATURE_SIZE:
             features = features[:TRADITIONAL_FEATURE_SIZE]
         elif len(features) < TRADITIONAL_FEATURE_SIZE:
             features = np.pad(features, (0, TRADITIONAL_FEATURE_SIZE - len(features)), mode='constant')
             
         return features
-
     except Exception as e:
         print(f"Lỗi trích xuất đặc trưng truyền thống: {e}")
         return np.zeros(TRADITIONAL_FEATURE_SIZE)
 
 def _extract_wav2vec_features(y, sr):
-    """Trích xuất đặc tr��ng từ mô hình Wav2Vec2."""
     try:
-        # Wav2Vec2 yêu cầu sample rate 16000
         y_16k = librosa.resample(y, orig_sr=sr, target_sr=16000)
         inputs = wav2vec_processor(y_16k, sampling_rate=16000, return_tensors="pt", padding=True)
         with torch.no_grad():
             outputs = wav2vec_model(**inputs)
-        # Lấy trung bình các hidden states cuối cùng để có một vector đại diện
         features = outputs.last_hidden_state.mean(dim=1).squeeze().cpu().numpy()
         return features
     except Exception as e:
@@ -114,44 +94,55 @@ def _extract_wav2vec_features(y, sr):
         return np.zeros(WAV2VEC_FEATURE_SIZE)
 
 def _create_spectrogram_image(y, sr):
-    """Tạo ảnh spectrogram cho mô hình CNN."""
     try:
         mel_spec = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=SPECTROGRAM_SHAPE[0])
         mel_spec_db = librosa.power_to_db(mel_spec, ref=np.max)
-        # Chuẩn hóa giá trị về khoảng [0, 255]
         mel_spec_norm = ((mel_spec_db - mel_spec_db.min()) / (mel_spec_db.max() - mel_spec_db.min() + 1e-8) * 255).astype(np.uint8)
-        # Chuyển thành ảnh 3 kênh (RGB)
         img = tf.keras.preprocessing.image.array_to_img(np.stack([mel_spec_norm]*3, axis=-1))
-        # Resize về kích thước đầu vào của CNN
         img = img.resize((SPECTROGRAM_SHAPE[1], SPECTROGRAM_SHAPE[0]))
         return np.array(img)
     except Exception as e:
         print(f"Lỗi tạo ảnh spectrogram: {e}")
         return np.zeros(SPECTROGRAM_SHAPE)
 
+# --- HÀM XỬ LÝ AUDIO ĐÃ ĐƯỢC CẬP NHẬT ---
 def process_audio_file(file_path):
-    """Hàm tổng hợp: Tải file audio và gọi các hàm trích xuất đặc trưng."""
+    """
+    Hàm tổng hợp phiên bản mới: Dùng pydub để đọc file audio một cách mạnh mẽ,
+    sau đó chuyển đổi sang định dạng mà librosa có thể xử lý an toàn.
+    """
     try:
-        y, sr = librosa.load(file_path, sr=SAMPLE_RATE)
-        
-        # Chuẩn hóa độ dài audio về MAX_SAMPLES
+        # 1. Dùng pydub để mở file audio (hỗ trợ nhiều định dạng)
+        audio = AudioSegment.from_file(file_path)
+
+        # 2. Đảm bảo audio là mono (1 kênh) và có sample rate đúng
+        audio = audio.set_channels(1)
+        audio = audio.set_frame_rate(SAMPLE_RATE)
+
+        # 3. Chuyển đổi audio của pydub thành mảng NumPy cho librosa
+        # Chuẩn hóa về khoảng [-1, 1]
+        samples = np.array(audio.get_array_of_samples()).astype(np.float32)
+        y = samples / (2**(audio.sample_width * 8 - 1))
+
+        # 4. Chuẩn hóa độ dài audio về MAX_SAMPLES
         if len(y) > MAX_SAMPLES:
             y = y[:MAX_SAMPLES]
         else:
             y = np.pad(y, (0, MAX_SAMPLES - len(y)), mode='constant')
 
-        # Trích xuất đồng thời các bộ đặc trưng
-        traditional_features = _extract_traditional_features(y, sr)
-        wav2vec_features = _extract_wav2vec_features(y, sr)
-        spectrogram = _create_spectrogram_image(y, sr)
+        # 5. Trích xuất đồng thời các bộ đặc trưng (code này không đổi)
+        traditional_features = _extract_traditional_features(y, SAMPLE_RATE)
+        wav2vec_features = _extract_wav2vec_features(y, SAMPLE_RATE)
+        spectrogram = _create_spectrogram_image(y, SAMPLE_RATE)
 
         return traditional_features, wav2vec_features, spectrogram
+
     except Exception as e:
         print(f"Lỗi nghiêm trọng khi xử lý file audio {file_path}: {e}")
+        traceback.print_exc()
         return None, None, None
 
-
-# --- ĐỊNH NGHĨA CÁC ROUTE (API ENDPOINTS) CỦA ỨNG DỤNG ---
+# --- ĐỊNH NGHĨA CÁC ROUTE CỦA ỨNG DỤNG ---
 @app.route('/', methods=['GET'])
 def home():
     """Render trang chủ của ứng dụng."""
@@ -168,7 +159,6 @@ def predict():
         return jsonify({'error': 'Tên file không hợp lệ.'}), 400
 
     try:
-        # Lưu file audio vào thư mục tạm một cách an toàn
         filename = secure_filename(file.filename)
         filepath = os.path.join(app.config['UPLOAD_FOLDER'], filename)
         file.save(filepath)
@@ -179,34 +169,26 @@ def predict():
         if trad_feats is None:
              return jsonify({'error': 'Không thể xử lý file audio.'}), 500
 
-        # --- Chuẩn bị dữ liệu đầu vào cho từng mô hình ---
-        # 1. Dữ liệu cho XGBoost và LightGBM (kết hợp và scale)
+        # Chuẩn bị dữ liệu đầu vào cho các mô hình
         combined_feats = np.concatenate([trad_feats, w2v_feats]).reshape(1, -1)
         scaled_feats = scaler.transform(combined_feats)
-        
-        # 2. Dữ liệu cho CNN (chuẩn hóa và thêm chiều batch)
         spec_img = spec_img / 255.0
         spec_img = np.expand_dims(spec_img, axis=0)
 
-        # --- Lấy dự đoán từ tất cả các mô hình ---
+        # Lấy dự đoán từ tất cả các mô hình
         pred_xgb = model_xgb.predict_proba(scaled_feats)[0][1]
         pred_lgb = model_lgb.predict_proba(scaled_feats)[0][1]
         pred_cnn = model_cnn.predict(spec_img, verbose=0)[0][0]
 
-        # --- Ensemble: Kết hợp kết quả bằng cách lấy trung bình xác suất ---
+        # Ensemble: Kết hợp kết quả bằng cách lấy trung bình xác suất
         final_prediction_prob = (pred_xgb + pred_lgb + pred_cnn) / 3
-        # Quyết định nhãn cuối cùng dựa trên ngưỡng 0.5
         final_prediction_label_index = 1 if final_prediction_prob > 0.5 else 0
-
-        # Chuyển đổi chỉ số nhãn (0 hoặc 1) thành chuỗi ('male'/'female')
         result_label_text = label_encoder.inverse_transform([final_prediction_label_index])[0]
 
-        # Xóa file audio tạm sau khi xử lý xong
         os.remove(filepath)
         
         print(f"Phân tích hoàn tất. Kết quả: {result_label_text.upper()} (Xác suất: {final_prediction_prob:.2f})")
 
-        # Trả về kết quả dưới dạng JSON
         return jsonify({
             'prediction': result_label_text.capitalize(),
             'probability': f"{final_prediction_prob:.2f}"
@@ -214,15 +196,11 @@ def predict():
 
     except Exception as e:
         print(f"Đã xảy ra lỗi trong quá trình dự đoán: {e}")
-        import traceback
         traceback.print_exc()
         return jsonify({'error': 'Đã xảy ra lỗi không xác định trên máy chủ.'}), 500
 
 # --- ĐIỂM BẮT ĐẦU CHẠY ỨNG DỤNG ---
-# Đoạn mã này được cấu hình để hoạt động tốt trên cả máy local và Hugging Face Spaces.
 if __name__ == '__main__':
-    # Hugging Face Spaces sẽ đặt biến môi trường PORT. Nếu không có, dùng 7860 làm mặc định.
     port = int(os.environ.get("PORT", 7860))
-    # Chạy trên host '0.0.0.0' để ứng dụng có thể được truy cập từ bên ngoài container Docker.
     app.run(host='0.0.0.0', port=port)
 

packages.txt

@@ -1 +1,2 @@
 libsndfile1
+ffmpeg