Update app.py

app.py

@@ -1,133 +1,152 @@
-import gradio
+# -*- coding: utf-8 -*-
+import gradio as gr
 import requests
 import json
+from pydub import AudioSegment
 import os
 
-# اطلاعات API TTS
-TTS_API_BASE_URL = "https://talkbot.ir/TTS-tkun"
-TTS_API_FORMAT = "?text="
+# API Keys and Endpoints
+TTS_URL = "https://talkbot.ir/TTS-tkun"
+TEXT_GEN_URL = "https://talkbot.ir/api/v1/chat/completions"
+TEXT_GEN_API_KEY = "sk-4fb613f56acfccf731e801b904cd89f5"
+TEXT_GEN_MODEL = "deepseek-v3-0324"
 
-# اطلاعات API OpenAI (برای Talkbot.ir)
-OPENAI_API_BASE_URL = "https://talkbot.ir/api/v1/chat/completions"
-OPENAI_API_KEY = "sk-4fb61f56acfcc731e801b904cd89f5" # دقت کنید که این کلید API از Talkbot.ir است و ممکن است با OpenAI اصلی متفاوت باشد.
-OPENAI_MODEL = "deepseek-v3-0324"
-
-def get_text_from_ai(prompt_text):
+def generate_podcast(topic):
     """
-    تولید متن پادکست با استفاده از API هوش مصنوعی.
+    Generates a podcast based on a given topic.
     """
-    headers = {
-        "Authorization": f"Bearer {OPENAI_API_KEY}",
-        "Content-Type": "application/json"
-    }
-
-    payload = {
-        "model": OPENAI_MODEL,
-        "messages": [
-            {"role": "system", "content": "You are a helpful assistant that generates podcast scripts."},
-            {"role": "user", "content": f"Generate a short podcast script about: {prompt_text}"}
-        ],
-        "max_tokens": 500,
-        "temperature": 0.7
-    }
-
     try:
-        response = requests.post(OPENAI_API_BASE_URL, headers=headers, json=payload)
-        response.raise_for_status()  # Raises an HTTPError for bad responses (4xx or 5xx)
-        data = response.json()
-        if data and data.get("choices"):
-            return data["choices"][0]["message"]["content"].strip()
-        else:
-            print("AI response did not contain expected data.")
-            return None
-    except requests.exceptions.RequestException as e:
-        print(f"Error connecting to AI API: {e}")
-        return None
-    except json.JSONDecodeError:
-        print("Error decoding JSON response from AI API.")
-        return None
+        # 1. Generate podcast script using the text generation API
+        print("Generating podcast script...")
+        headers = {
+            "Authorization": f"Bearer {TEXT_GEN_API_KEY}",
+            "Content-Type": "application/json"
+        }
+        payload = {
+            "model": TEXT_GEN_MODEL,
+            "messages": [
+                {"role": "system", "content": "به عنوان یک تولیدکننده پادکست، یک متن جذاب برای پادکست با دو گوینده (صدای اول و صدای دوم) در مورد موضوع زیر ایجاد کنید. متن باید شامل گفتگو بین دو گوینده باشد."},
+                {"role": "user", "content": f"موضوع: {topic}"}
+            ],
+             "stream": False
+        }
+
+        response = requests.post(TEXT_GEN_URL, headers=headers, json=payload)
+        response.raise_for_status()  # Raise an exception for bad status codes
+        script_data = response.json()
+        podcast_script = script_data['choices'][0]['message']['content']
+        print("Podcast script generated.")
+
+        # 2. Split the script into sections for each voice (This is a simplified approach)
+        # You might need a more sophisticated parsing method for real-world scenarios
+        lines = podcast_script.split('\n')
+        voice1_lines = []
+        voice2_lines = []
+        current_voice = 1 # Assuming the first line is for voice 1
+
+        for line in lines:
+            if line.strip().startswith("صدای اول:"):
+                voice1_lines.append(line.replace("صدای اول:", "", 1).strip())
+                current_voice = 1
+            elif line.strip().startswith("صدای دوم:"):
+                voice2_lines.append(line.replace("صدای دوم:", "", 1).strip())
+                current_voice = 2
+            elif line.strip(): # Lines withoutexplicit voice indicators
+                 if current_voice == 1:
+                     voice1_lines.append(line.strip())
+                 else:
+                     voice2_lines.append(line.strip())
+
+
+        voice1_text = " ".join(voice1_lines)
+        voice2_text = " ".join(voice2_lines)
+
+        if not voice1_text.strip() and not voice2_text.strip():
+            return None, "خطا در تجزیه متن پادکست. لطفاً متن generado شده را بررسی کنید.", None
+
+        # 3. Generate audio for each voice
+        print("Generating audio for voice 1...")
+        voice1_audio_url = requests.get(TTS_URL, params={"text": voice1_text}).text.strip()
+        print(f"Voice 1 audio URL: {voice1_audio_url}")
+
+        print("Generating audio for voice 2...")
+        voice2_audio_url = requests.get(TTS_URL, params={"text": voice2_text}).text.strip()
+        print(f"Voice 2 audio URL: {voice2_audio_url}")
+
+        if not voice1_audio_url.startswith("http") or not voice2_audio_url.startswith("http"):
+             return None, "خطا در تولید صدای TTS. لطفاً متن را بررسی کنید.", None
+
+        # 4. Download audio files
+        print("Downloading audio files...")
+        voice1_audio_response = requests.get(voice1_audio_url)
+        voice1_audio_response.raise_for_status()
+        voice1_audio_path = "voice1.wav"
+        with open(voice1_audio_path, "wb") as f:
+            f.write(voice1_audio_response.content)
+
+        voice2_audio_response = requests.get(voice2_audio_url)
+        voice2_audio_response.raise_for_status()
+        voice2_audio_path = "voice2.wav"
+        with open(voice2_audio_path, "wb") as f:
+             f.write(voice2_audio_response.content)
+
+        print("Audio files downloaded.")
+
+        # 5. Combine audio files (This is a simple concatenation for demonstration)
+        # For a proper podcast with alternating speakers, you would need more complex pydub manipulation
+        print("Combining audio files...")
+        audio1 = AudioSegment.from_wav(voice1_audio_path)
+        audio2 = AudioSegment.from_wav(voice2_audio_path)
+
+        # A simple way to interleave: This assumes segments are short and alternate
+        # For longer narrations, you'd need to split the audio files further
+        combined_audio = AudioSegment.empty()
+        max_len = max(len(audio1), len(audio2))
+        segment_length = 5000 # Example segment length in milliseconds
+
+        for i in range(0, max_len, segment_length):
+            segment1 = audio1[i : i + segment_length]
+            segment2 = audio2[i : i + segment_length]
+            if segment1:
+                combined_audio += segment1
+            if segment2:
+                combined_audio += segment2
+
+        output_mp3_path = "podcast.mp3"
+        combined_audio.export(output_mp3_path, format="mp3")
+        print(f"Podcast saved as {output_mp3_path}")
+
+        # 6. Clean up temporary files
+        os.remove(voice1_audio_path)
+        os.remove(voice2_audio_path)
+
+        return podcast_script, None, output_mp3_path
 
-def get_audio_wav_link(text):
-    """
-    دریافت لینک فایل WAV از API تبدیل متن به گفتار.
-    """
-    encoded_text = requests.utils.quote(text) # Encode URL-unsafe characters
-    tts_url = f"{TTS_API_BASE_URL}{TTS_API_FORMAT}{encoded_text}"
-    
-    try:
-        # برای این API، فقط ساختار URL مهم است، نیازی به درخواست مستقیم برای دریافت لینک نیست.
-        # فرض می‌شود که API بلافاصله لینک wav را به عنوان پاسخ GET برمی‌گرداند.
-        # اما طبق توضیحات شما، خروجی به صورت لینک wav است.
-        # این یعنی درخواست GET به آن URL، مستقیماً لینک را برمی‌گرداند.
-        # اگر API مستقیماً لینک WAV را در بدنه پاسخ برمی‌گرداند، می‌توان از request.text استفاده کرد.
-        # در غیر این صورت، شاید باید یک درخواست واقعی انجام داد.
-        # با توجه به "خروجی صوت به صورت لینک wav است"، فرض می‌شود که خود URL ورودی، لینک WAV خروجی است.
-        # اگر API یک JSON با لینک wav برمی‌گرداند، باید کد را تغییر داد.
-        return tts_url
-        
     except requests.exceptions.RequestException as e:
-        print(f"Error generating TTS link: {e}")
-        return None
-
-def main():
-    print("--------------------------------------------------")
-    print("             Talkbot Podcast Generator            ")
-    print("--------------------------------------------------")
-    print("این اسکریپت یک متن پادکست تولید و لینک‌های صوتی را فراهم می‌کند.")
-    print(" برای خروج، 'exit' را تایپ کنید.")
-    print("--------------------------------------------------")
-
-    while True:
-        topic = input("\nموضوع پادکست را وارد کنید (یا 'exit' برای خروج): ")
-        if topic.lower() == 'exit':
-            break
-
-        print(f"\nدر حال تولید اسکریپت پادکست برای '{topic}' با هوش مصنوعی...")
-        podcast_script = get_text_from_ai(topic)
-
-        if podcast_script:
-            print("\n------------------- اسکریپت پادکست -------------------")
-            print(podcast_script)
-            print("------------------------------------------------------")
-
-            # تقسیم متن به دو بخش برای صدای اول و صدای دوم
-            # این یک تقسیم‌بندی ساده است. ممکن است نیاز به منطق دقیق‌تری داشته باشید.
-            sentences = [s.strip() for s in podcast_script.split('.') if s.strip()]
-            
-            if len(sentences) >= 2:
-                speaker1_text = sentences[0]
-                speaker2_text = sentences[1]
-            elif len(sentences) == 1:
-                speaker1_text = sentences[0]
-                speaker2_text = "" # یا بخشی از جمله اول
-            else:
-                print("متن کافی برای تقسیم بین دو گوینده وجود ندارد.")
-                speaker1_text = podcast_script
-                speaker2_text = ""
-
-            print("\nدر حال ساخت لینک‌های صوتی...")
-            
-            audio_link_speaker1 = get_audio_wav_link(speaker1_text)
-            audio_link_speaker2 = get_audio_wav_link(speaker2_text) # اگر speaker2_text خالی باشد، لینک معناداری تولید نمی‌شود.
-
-            if audio_link_speaker1:
-                print(f"لینک صدای اول (Speaker 1): {audio_link_speaker1}")
-            else:
-                print("خطا در تولید لینک صدای اول.")
-            
-            if audio_link_speaker2 and speaker2_text: # فقط اگر متن برای گوینده دوم وجود داشته باشد
-                print(f"لینک صدای دوم (Speaker 2): {audio_link_speaker2}")
-            elif speaker2_text: # اگر speaker2_text داشتیم و لینکی تولید نشد
-                 print("خطا در تولید لینک صدای دوم.")
-            else:
-                print("متن کافی برای تولید صدای دوم وجود نداشت.")
-
-            print("\n------------------------------------------------------")
-        else:
-            print("متن پادکست از هوش مصنوعی دریافت نشد.")
-            print("لطفاً اتصال به اینترنت و کلید API را بررسی کنید.")
-
-    print("\nخروج از برنامه. موفق باشید!")
+        return None, f"خطا در اتصال به API ها: {e}", None
+    except Exception as e:
+        return None, f"خطای نامشخص: {e}", None
+
+# Gradio Interface
+def gradio_interface(topic):
+    script, error, audio_path = generate_podcast(topic)
+    if error:
+        return error, None
+    else:
+        return script, audio_path
+
+with gr.Blocks() as demo:
+    gr.Markdown("## ساخت پادکست با هوش مصنوعی")
+    topic_input = gr.Textbox(label="موضوع پادکست خود را وارد کنید")
+    generate_button = gr.Button("شروع تولید پادکست")
+    script_output = gr.Textbox(label="متن پادکست", interactive=False)
+    audio_output = gr.Audio(label="پادکست تولید شده", type="filepath")
+
+    generate_button.click(
+        fn=gradio_interface,
+        inputs=topic_input,
+        outputs=[script_output, audio_output]
+    )
 
 if __name__ == "__main__":
-    main()
+    demo.launch()