app.py

from fastapi import FastAPI, HTTPException
from transformers import pipeline
import langdetect
import logging
import os

# Set environment variables for Hugging Face cache
# Ini penting agar model di-cache di lokasi yang benar di dalam container Hugging Face Space
os.environ["HF_HOME"] = "/app/cache"
os.environ["TRANSFORMERS_CACHE"] = "/app/cache"

app = FastAPI()

# Konfigurasi logging untuk melihat pesan debug di log Space kamu
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# Peta model untuk setiap bahasa yang didukung
MODEL_MAP = {
    "id": "Helsinki-NLP/opus-mt-id-en",
    "th": "Helsinki-NLP/opus-mt-th-en",
    "fr": "Helsinki-NLP/opus-mt-fr-en",
    "es": "Helsinki-NLP/opus-mt-es-en",
    "ja": "Helsinki-NLP/opus-mt-ja-en",
    # Entri tunggal untuk Mandarin, kita akan normalisasi deteksi bahasanya
    "zh": "Helsinki-NLP/opus-mt-zh-en",
    "vi": "Helsinki-NLP/opus-mt-vi-en",
}

translators = {}
try:
    # Inisialisasi semua model saat aplikasi dimulai
    for lang, model_name in MODEL_MAP.items():
        logger.info(f"Loading model for {lang} from {model_name}...")
        # Pastikan kita menggunakan device="cpu" atau "cuda" jika GPU tersedia
        # Untuk Hugging Face Space gratis biasanya CPU, jadi lebih aman tidak specify device
        translators[lang] = pipeline("translation", model=model_name)
        logger.info(f"Model for {lang} loaded successfully.")
except Exception as e:
    # Tangani kegagalan inisialisasi model
    logger.error(f"Model initialization failed: {str(e)}")
    # Hentikan aplikasi jika model gagal dimuat, karena aplikasi tidak akan berfungsi
    raise Exception(f"Model initialization failed: {str(e)}")

---

## Fungsi Deteksi Bahasa yang Ditingkatkan

Ini adalah bagian kunci perbaikannya. Kita akan **normalisasi kode bahasa Mandarin** yang mungkin dideteksi oleh `langdetect`.

```python
def detect_language(text: str) -> str:
    try:
        detected_lang = langdetect.detect(text)
        logger.info(f"langdetect detected: '{detected_lang}' for text: '{text[:50]}...'") # Log deteksi awal

        # Normalisasi untuk bahasa Mandarin:
        # Jika langdetect mengembalikan 'zh-cn', 'zh-tw', 'zh-hk', dll.,
        # kita paksa menjadi 'zh' agar sesuai dengan kunci di MODEL_MAP.
        if detected_lang.startswith('zh'):
            return 'zh'

        # Jika bahasa terdeteksi ada di MODEL_MAP, gunakan itu.
        # Jika tidak, default ke 'en' (bahasa Inggris).
        return detected_lang if detected_lang in MODEL_MAP else "en"
    except Exception as e:
        logger.warning(f"Language detection failed for text: '{text[:50]}...' Error: {str(e)}. Defaulting to English.")
        return "en"

---

## Endpoint API untuk Terjemahan

```python
@app.post("/translate")
async def translate(text: str):
    """
    Menerima teks dan mengembalikannya dalam bahasa Inggris.
    Secara otomatis mendeteksi bahasa sumber.
    """
    if not text:
        raise HTTPException(status_code=400, detail="Text input is required.")

    try:
        # Deteksi bahasa sumber dari teks
        source_lang = detect_language(text)
        logger.info(f"Determined source language: '{source_lang}' for translation.")

        # Jika bahasa sumber sudah Bahasa Inggris, kembalikan teks aslinya
        if source_lang == "en":
            logger.info("Source language is English, returning original text.")
            return {"translated_text": text}

        # Dapatkan translator yang sesuai dari kamus translators
        translator = translators.get(source_lang)

        # Jika tidak ada translator yang mendukung bahasa yang terdeteksi
        if not translator:
            logger.error(f"No translator found for language: '{source_lang}'.")
            raise HTTPException(
                status_code=400,
                detail=f"Translation not supported for language: {source_lang}."
            )

        # Lakukan terjemahan
        logger.info(f"Translating from {source_lang}...")
        result = translator(text)
        translated_text = result[0]["translation_text"]
        logger.info(f"Translation successful. Original: '{text[:50]}...', Translated: '{translated_text[:50]}...'")

        return {"translated_text": translated_text}
    except HTTPException as e:
        # Tangani HTTPExceptions yang sudah kita definisikan sebelumnya
        raise e
    except Exception as e:
        # Tangani error tak terduga lainnya
        logger.error(f"An unexpected error occurred during processing: {str(e)}", exc_info=True)
        raise HTTPException(status_code=500, detail=f"Processing failed: {str(e)}")