app.py

import gradio as gr
import requests
import json
import os
from pydub import AudioSegment
from pydub.playback import play

# --- Configuration ---
TALKBOT_TTS_URL = "https://talkbot.ir/TTS-tkun"
TALKBOT_API_BASE_URL = "https://talkbot.ir/api/v1/chat/completions"
TALKBOT_API_KEY = "sk-4fb613f56acfccf731e801b904cd89f5"  # Replace with your actual Talkbot API key
# TALKBOT_API_KEY = os.environ.get("TALKBOT_API_KEY", "YOUR_DEFAULT_API_KEY_HERE") # More secure way
MODEL_NAME = "deepseek-v3-0324"

# --- Functions ---

def get_tts_audio_link(text: str) -> str:
    """
    Retrieves a WAV audio link for the given text using TalkBot TTS.
    """
    params = {"text": text}
    response = requests.get(TALKBOT_TTS_URL, params=params)
    response.raise_for_status()  # Raise an exception for HTTP errors
    return response.url

def generate_podcast_script_ai(prompt: str) -> str:
    """
    Generates a podcast script using TalkBot AI.
    """
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {TALKBOT_API_KEY}"
    }

    data = {
        "model": MODEL_NAME,
        "messages": [
            {"role": "system", "content": "شما یک هوش مصنوعی برای تولید متن پادکست هستید. خروجی شما باید متن پادکست باشد."},
            {"role": "user", "content": prompt}
        ],
        "temperature": 0.7,
        "max_tokens": 1000
    }

    try:
        response = requests.post(TALKBOT_API_BASE_URL, headers=headers, json=data)
        response.raise_for_status()
        result = response.json()
        return result['choices'][0]['message']['content'].strip()
    except requests.exceptions.RequestException as e:
        return f"Error generating script: {e}"
    except (KeyError, IndexError) as e:
        return f"Error parsing AI response: {e}. Full response: {response.json()}"

def create_podcast(podcast_topic: str) -> tuple[str, str, gr.Audio | None]:
    """
    Generates a podcast script using AI, then creates audio for two distinct voices,
    and finally merges them into an MP3 file.
    """
    if not TALKBOT_API_KEY or TALKBOT_API_KEY == "YOUR_DEFAULT_API_KEY_HERE":
        return "خطا: کلید API Talkbot تنظیم نشده است. لطفاً آن را در کد وارد کنید.", None, None

    # 1. Generate Podcast Script
    gr.Info("در حال تولید متن پادکست توسط هوش مصنوعی...")
    ai_prompt = f"یک متن پادکست کوتاه و جذاب در مورد '{podcast_topic}' با دو بخش مجزا برای دو گوینده (صدای اول و صدای دوم) بنویسید. هر بخش را با عنوان 'صدای اول:' و 'صدای دوم:' مشخص کنید. متن پادکست باید حدود 150-250 کلمه باشد."
    
    generated_script = generate_podcast_script_ai(ai_prompt)
    
    if "Error" in generated_script:
        return generated_script, None, None

    # 2. Extract Voices (simple split for demonstration)
    gr.Info("در حال تفکیک و تولید صداها...")
    
    voice1_text = ""
    voice2_text = ""

    # Simple parsing to get voice sections
    script_lines = generated_script.split('\n')
    current_voice = None
    for line in script_lines:
        if "صدای اول:" in line:
            current_voice = 1
            voice1_text += line.replace("صدای اول:", "").strip() + " "
        elif "صدای دوم:" in line:
            current_voice = 2
            voice2_text += line.replace("صدای دوم:", "").strip() + " "
        elif current_voice == 1:
            voice1_text += line.strip() + " "
        elif current_voice == 2:
            voice2_text += line.strip() + " "

    if not voice1_text or not voice2_text:
        return f"خطا: متن پادکست تولید شده شامل 'صدای اول:' یا 'صدای دوم:' استاندارد نیست. متن کامل: \n{generated_script}", None, None

    # 3. Generate Audio for each voice
    try:
        gr.Info("در حال دریافت صدای اول...")
        voice1_wav_link = get_tts_audio_link(voice1_text.strip())
        voice1_audio_response = requests.get(voice1_wav_link)
        voice1_audio_response.raise_for_status()
        
        with open("voice1.wav", "wb") as f:
            f.write(voice1_audio_response.content)
        
        gr.Info("در حال دریافت صدای دوم...")
        voice2_wav_link = get_tts_audio_link(voice2_text.strip())
        voice2_audio_response = requests.get(voice2_wav_link)
        voice2_audio_response.raise_or_status()
        
        with open("voice2.wav", "wb") as f:
            f.write(voice2_audio_response.content)

    except requests.exceptions.HTTPError as e:
        return f"خطا در دریافت صدا از TTS: {e}. URL: {e.request.url}", None, None
    except Exception as e:
        return f"خطای unexpected در دریافت صدا: {e}", None, None

    # 4. Merge Audio files
    gr.Info("در حال ترکیب صداها و تولید فایل نهایی MP3...")
    try:
        audio1 = AudioSegment.from_wav("voice1.wav")
        audio2 = AudioSegment.from_wav("voice2.wav")

        # Simple alternating merge - adjust as needed for more complex dialogue
        # For simplicity, let's just concatenate them here. A more sophisticated
        # approach would involve splitting the script into turns and interleaving.
        # Given the prompt, a simple concatenation of voice1's full speech then voice2's full speech might suffice as a starting point.
        # Or, we can interleave by short segments if the AI output is structured that way.
        
        # A basic concatenation for demonstration:
        final_podcast_audio = audio1 + audio2 
        
        # If the input text parsing above resulted in alternating segments,
        # you would need to process those. For now, assuming voice1 speaks, then voice2 speaks.
        
        output_mp3_path = "podcast_output.mp3"
        final_podcast_audio.export(output_mp3_path, format="mp3")

        # Clean up temporary WAV files
        os.remove("voice1.wav")
        os.remove("voice2.wav")
        
        gr.Info("تولید پادکست با موفقیت انجام شد!")
        return generated_script, output_mp3_path, gr.Audio(output_mp3_path, type="filepath", label="پادکست نهایی")

    except Exception as e:
        return f"خطا در ترکیب فایل‌های صوتی: {e}", None, None

# --- Gradio Interface ---

with gr.Blocks() as demo:
    gr.Markdown(
        """
        # تولیدکننده پادکست هوشمند 🎙️
        با وارد کردن یک موضوع، هوش مصنوعی ما یک متن پادکست تولید می‌کند و سپس آن را با دو صدای مجزا به یک فایل MP3 پادکست تبدیل می‌کند.
        """
    )

    with gr.Row():
        topic_input = gr.Textbox(
            label="موضوع پادکست", 
            placeholder="مثال: تاریخچه هوش مصنوعی، فواید مدیتیشن، آینده سفر فضایی", 
            value="مزایای یادگیری زبان پایتون"
        )
        generate_button = gr.Button("شروع تولید پادکست 🚀")

    with gr.Column():
        script_output = gr.Textbox(label="متن پادکست تولید شده", interactive=False, lines=10)
        audio_output = gr.Audio(None, type="filepath", label="پادکست نهایی (MP3)", format="mp3")
        download_link = gr.File(label="دانلود فایل MP3", file_count="single", visible=False)

    def on_generate_button_click(topic):
        script_result, audio_path, audio_component = create_podcast(topic)
        if audio_path:
            return script_result, audio_component, gr.File(value=audio_path, visible=True)
        else:
            return script_result, None, gr.File(visible=False)

    generate_button.click(
        fn=on_generate_button_click,
        inputs=topic_input,
        outputs=[script_output, audio_output, download_link]
    )

if __name__ == "__main__":
    demo.launch()