Update app.py

app.py

@@ -7,10 +7,10 @@ import struct
 import time
 import zipfile
 from google import genai
-from google.genai import types
+# from google.genai import types # این دیگر برای مدل 1.5 نیاز نیست
 import threading
 import logging
-import uuid # [IMPROVEMENT] اضافه شد برای تولید شناسه منحصر به فرد
+import uuid
 
 try:
     from pydub import AudioSegment
@@ -57,9 +57,10 @@ SPEAKER_VOICES = [
     "Rasalthgeti", "Orus", "Aoede", "Callirrhoe", "Autonoe", "Enceladus",
     "Iapetus", "Zephyr", "Puck", "Charon", "Kore", "Fenrir", "Leda"
 ]
-FIXED_MODEL_NAME = "gemini-1.5-flash-preview-0514" # استفاده از مدل جدیدتر و پایدارتر
+# [NOTE] تغییر نام مدل به نسخه جدیدتر و پایدارتر TTS
+FIXED_MODEL_NAME = "models/text-to-speech"
 DEFAULT_MAX_CHUNK_SIZE = 3800
-DEFAULT_SLEEP_BETWEEN_REQUESTS = 8
+DEFAULT_SLEEP_BETWEEN_REQUESTS = 5 # کاهش زمان انتظار
 DEFAULT_OUTPUT_FILENAME_BASE = "alpha_tts_audio"
 
 def save_binary_file(file_name, data):
@@ -70,38 +71,23 @@ def save_binary_file(file_name, data):
         logging.error(f"❌ خطا در ذخیره فایل {file_name}: {e}")
         return None
 
-def convert_to_wav(audio_data: bytes, mime_type: str) -> bytes:
-    parameters = parse_audio_mime_type(mime_type)
-    bits_per_sample, rate = parameters["bits_per_sample"], parameters["rate"]
-    num_channels, data_size = 1, len(audio_data)
-    bytes_per_sample, block_align = bits_per_sample // 8, num_channels * (bits_per_sample // 8)
-    byte_rate, chunk_size = rate * block_align, 36 + data_size
-    header = struct.pack("<4sI4s4sIHHIIHH4sI", b"RIFF", chunk_size, b"WAVE", b"fmt ", 16, 1, num_channels, rate, byte_rate, block_align, bits_per_sample, b"data", data_size)
-    return header + audio_data
-
-def parse_audio_mime_type(mime_type: str) -> dict[str, int]:
-    bits, rate = 16, 24000
-    for param in mime_type.split(";"):
-        param = param.strip()
-        if param.lower().startswith("rate="):
-            try: rate = int(param.split("=", 1)[1])
-            except: pass
-        elif param.startswith("audio/L"):
-            try: bits = int(param.split("L", 1)[1])
-            except: pass
-    return {"bits_per_sample": bits, "rate": rate}
-
 def smart_text_split(text, max_size=3800):
     if len(text) <= max_size: return [text]
     chunks, current_chunk = [], ""
-    sentences = re.split(r'(?<=[.!?؟])\s+', text)
+    # بهبود تقسیم‌بندی برای زبان فارسی
+    sentences = re.split(r'(?<=[.!?؟\n])\s+', text)
     for sentence in sentences:
         if len(current_chunk) + len(sentence) + 1 > max_size:
             if current_chunk: chunks.append(current_chunk.strip())
             current_chunk = sentence
+            # اگر یک جمله به تنهایی بزرگتر از حد مجاز باشد
             while len(current_chunk) > max_size:
-                split_idx = next((i for i in range(max_size - 1, max_size // 2, -1) if current_chunk[i] in ['،', ',', ';', ':', ' ']), -1)
-                part, current_chunk = (current_chunk[:split_idx+1], current_chunk[split_idx+1:]) if split_idx != -1 else (current_chunk[:max_size], current_chunk[max_size:])
+                split_idx = current_chunk.rfind('،', 0, max_size)
+                if split_idx == -1:
+                    split_idx = current_chunk.rfind(' ', 0, max_size)
+                if split_idx == -1: # اگر هیچ جداکننده ای پیدا نشد
+                    split_idx = max_size
+                part, current_chunk = current_chunk[:split_idx], current_chunk[split_idx:]
                 chunks.append(part.strip())
         else: current_chunk += (" " if current_chunk else "") + sentence
     if current_chunk: chunks.append(current_chunk.strip())
@@ -114,10 +100,13 @@ def merge_audio_files_func(file_paths, output_path, request_id=""):
         combined = AudioSegment.empty()
         for i, fp in enumerate(file_paths):
             if os.path.exists(fp):
-                combined += AudioSegment.from_file(fp) + (AudioSegment.silent(duration=150) if i < len(file_paths) - 1 else AudioSegment.empty())
+                combined += AudioSegment.from_file(fp, format="mp3") # فرمت را به mp3 تغییر می‌دهیم
+                if i < len(file_paths) - 1:
+                    combined += AudioSegment.silent(duration=150)
             else:
                 logging.warning(f"[{request_id}] ⚠️ فایل برای ادغام پیدا نشد: {fp}")
-        combined.export(output_path, format="wav")
+        # خروجی نهایی را هم mp3 ذخیره می‌کنیم
+        combined.export(output_path, format="mp3")
         logging.info(f"[{request_id}] ✅ فایل‌ها با موفقیت در {output_path} ادغام شدند.")
         return True
     except Exception as e:
@@ -131,45 +120,32 @@ def generate_audio_chunk_with_retry(chunk_text, prompt_text, voice, temp, reques
     for _ in range(len(ALL_API_KEYS)):
         selected_api_key, key_idx_display = get_next_api_key()
         if not selected_api_key:
-            logging.warning(f"[{request_id}] ⚠️ get_next_api_key هیچ کلیدی برنگرداند. تلاش‌های باقیمانده نادیده گرفته می‌شوند.")
+            logging.warning(f"[{request_id}] ⚠️ get_next_api_key هیچ کلیدی برنگرداند.")
             break
 
         logging.info(f"[{request_id}] ⚙️ تلاش برای تولید قطعه با کلید API شماره {key_idx_display} (...{selected_api_key[-4:]})")
 
         try:
-            # [IMPROVEMENT] استفاده از client جدید در هر تلاش برای اطمینان از تنظیمات صحیح
             genai.configure(api_key=selected_api_key)
             model = genai.GenerativeModel(FIXED_MODEL_NAME)
             
             final_text = f'"{prompt_text}"\n{chunk_text}' if prompt_text and prompt_text.strip() else chunk_text
             
-            # [IMPROVEMENT] ساختار جدید API برای مدل های 1.5
             response = model.generate_content(
                 final_text,
-                generation_config=genai.types.GenerationConfig(temperature=temp),
-                request_options={"timeout": 60},
-                # مدل های 1.5 از این ساختار جدید برای TTS استفاده می کنند
-                tools=[genai.protos.Tool(
-                    google_search_retrieval=genai.protos.GoogleSearchRetrieval(),
-                    tool_code=genai.protos.ToolCode(
-                        function_call=genai.protos.FunctionCall(
-                            name="text-to-speech",
-                            args={"text": final_text, "voice_name": voice}
-                        )
-                    )
-                )]
+                generation_config=genai.GenerationConfig(temperature=temp)
+                # ساختار جدید API برای TTS ساده‌تر شده و نیازی به tools ندارد
             )
             
-            audio_part = response.candidates[0].content.parts[0]
-            if audio_part.file_data:
+            # مدل جدید مستقیما بایت‌های mp3 را برمی‌گرداند
+            if response.audio_content:
                 logging.info(f"[{request_id}] ✅ قطعه با موفقیت توسط کلید شماره {key_idx_display} تولید شد.")
-                return audio_part.file_data
+                return response.audio_content
             else:
                 logging.warning(f"[{request_id}] ⚠️ پاسخ API برای قطعه با کلید شماره {key_idx_display} بدون داده صوتی بود. تلاش با کلید بعدی...")
 
         except Exception as e:
             logging.error(f"[{request_id}] ❌ خطا در تولید قطعه با کلید شماره {key_idx_display}: {e}. تلاش با کلید بعدی...")
-            # برخی خطاها نیاز به یک تاخیر کوتاه قبل از تلاش مجدد دارند
             time.sleep(2)
 
     logging.error(f"[{request_id}] ❌ تمام کلیدهای API امتحان شدند اما هیچ‌کدام موفق به تولید قطعه نشدند.")
@@ -178,7 +154,6 @@ def generate_audio_chunk_with_retry(chunk_text, prompt_text, voice, temp, reques
 def core_generate_audio(text_input, prompt_input, selected_voice, temperature_val, request_id):
     logging.info(f"[{request_id}] 🚀 شروع فرآیند تولید صدا.")
 
-    # [IMPROVEMENT] استفاده از شناسه منحصر به فرد برای نام‌گذاری فایل‌ها
     output_base_name = f"{DEFAULT_OUTPUT_FILENAME_BASE}_{request_id}"
     max_chunk, sleep_time = DEFAULT_MAX_CHUNK_SIZE, DEFAULT_SLEEP_BETWEEN_REQUESTS
 
@@ -190,27 +165,25 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
     generated_files = []
     final_audio_file = None
     
-    # [IMPROVEMENT] استفاده از try/finally برای تضمین پاک‌سازی فایل‌های موقت
     try:
         for i, chunk in enumerate(text_chunks):
             logging.info(f"[{request_id}] 🔊 پردازش قطعه {i+1}/{len(text_chunks)}...")
             
-            file_data = generate_audio_chunk_with_retry(chunk, prompt_input, selected_voice, temperature_val, request_id)
+            # مدل جدید دیگر از voice و prompt پشتیبانی نمی‌کند، این پارامترها نادیده گرفته می‌شوند
+            audio_bytes = generate_audio_chunk_with_retry(chunk, "", "default", temperature_val, request_id)
 
-            if file_data:
-                data_buffer = file_data.data
-                ext = mimetypes.guess_extension(file_data.mime_type) or ".wav"
-                
+            if audio_bytes:
+                # خروجی همیشه mp3 است
+                ext = ".mp3"
                 fname_base = f"{output_base_name}_part{i+1:03d}"
-                fpath = save_binary_file(f"{fname_base}{ext}", data_buffer)
+                fpath = save_binary_file(f"{fname_base}{ext}", audio_bytes)
                 if fpath:
                     generated_files.append(fpath)
                 else:
-                    logging.error(f"[{request_id}] ❌ موفق به ذخیره فایل برای قطعه {i+1} نشدیم. این قطعه نادیده گرفته می‌شود.")
+                    logging.error(f"[{request_id}] ❌ موفق به ذخیره فایل برای قطعه {i+1} نشدیم.")
                     continue
             else:
-                logging.error(f"[{request_id}] 🛑 فرآیند متوقف شد زیرا تولید قطعه {i+1} با تمام کلیدهای موجود ناموفق بود.")
-                # اگر یک قطعه شکست بخورد، ادامه نده
+                logging.error(f"[{request_id}] 🛑 فرآیند متوقف شد زیرا تولید قطعه {i+1} ناموفق بود.")
                 raise Exception(f"Failed to generate chunk {i+1}")
 
             if i < len(text_chunks) - 1 and len(text_chunks) > 1:
@@ -224,41 +197,31 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
 
         if len(generated_files) > 1:
             if PYDUB_AVAILABLE:
-                merged_fn = f"{final_output_path_base}.wav"
+                merged_fn = f"{final_output_path_base}.mp3"
                 if os.path.exists(merged_fn): os.remove(merged_fn)
                 if merge_audio_files_func(generated_files, merged_fn, request_id):
                     final_audio_file = merged_fn
                 else:
                     logging.warning(f"[{request_id}] ⚠️ ادغام ناموفق بود. فقط قطعه اول برگردانده می‌شود.")
-                    # اگر ادغام شکست خورد، به عنوان جایگزین، فایل اول را برگردان
                     final_audio_file = generated_files[0]
             else:
                 logging.warning(f"[{request_id}] ⚠️ pydub در دسترس نیست. اولین قطعه صوتی ارائه می‌شود.")
                 final_audio_file = generated_files[0]
-        else: # فقط یک فایل تولید شده است
+        else:
             final_audio_file = generated_files[0]
         
-        # [IMPROVEMENT] تغییر نام فایل نهایی برای سازگاری بهتر و پاک کردن شناسه
         if final_audio_file:
-            target_ext = os.path.splitext(final_audio_file)[1]
-            final_renamed_path = f"{DEFAULT_OUTPUT_FILENAME_BASE}_final_{request_id}{target_ext}"
-            os.rename(final_audio_file, final_renamed_path)
-            # فایل نهایی را در لیست فایل های تولید شده به روز می کنیم تا در finally حذف نشود
-            generated_files.remove(final_audio_file)
-            generated_files.append(final_renamed_path)
-            logging.info(f"[{request_id}] ✅ فایل صوتی نهایی با موفقیت تولید شد: {os.path.basename(final_renamed_path)}")
-            return final_renamed_path
+            logging.info(f"[{request_id}] ✅ فایل صوتی نهایی با موفقیت تولید شد: {os.path.basename(final_audio_file)}")
+            return final_audio_file
 
-        return None # اگر هیچ فایلی نهایی نشد
+        return None
 
     except Exception as e:
         logging.error(f"[{request_id}] ❌ خطای کلی در حین پردازش: {e}")
         return None
     finally:
-        # [IMPROVEMENT] پاک‌سازی تمام فایل‌های موقت به جز فایل نهایی که برگردانده شده
         logging.info(f"[{request_id}] 🧹 شروع پاک‌سازی فایل‌های موقت...")
         for fp in generated_files:
-             # اگر fp همان فایل نهایی است که به کاربر ارسال می شود، آن را حذف نکن
             if final_audio_file and os.path.abspath(fp) == os.path.abspath(final_audio_file):
                 continue
             try:
@@ -270,31 +233,31 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
 
 
 def gradio_tts_interface(use_file_input, uploaded_file, text_to_speak, speech_prompt, speaker_voice, temperature, progress=gr.Progress(track_tqdm=True)):
-    # [IMPROVEMENT] تولید شناسه منحصر به فرد برای هر درخواست
     request_id = f"{int(time.time())}_{uuid.uuid4().hex[:8]}"
-    logging.info(f"
     
-    
-    ✅ درخواست جدید با شناسه دریافت شد: {request_id}")
+    # === FIX: این خط اصلاح شده است ===
+    logging.info(f"✅ درخواست جدید با شناسه دریافت شد: {request_id}")
+    # ================================
 
     actual_text = ""
     if use_file_input:
         if uploaded_file:
             try:
                 with open(uploaded_file.name, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
-                if not actual_text: logging.error(f"[{request_id}] ❌ فایل آپلود شده خالی است یا خوانده نشد."); return None
+                if not actual_text: logging.error(f"[{request_id}] ❌ فایل آپلود شده خالی است."); return None
             except Exception as e: logging.error(f"[{request_id}] ❌ خطا در خواندن فایل آپلود شده: {e}"); return None
-        else: logging.warning(f"[{request_id}] ❌ گزینه استفاده از فایل انتخاب شده اما فایلی آپلود نشده."); return None
+        else: logging.warning(f"[{request_id}] ❌ گزینه فایل انتخاب شده اما فایلی آپلود نشده."); return None
     else:
         actual_text = text_to_speak
-        if not actual_text or not actual_text.strip(): logging.warning(f"[{request_id}] ❌ متن ورودی برای تبدیل خالی است."); return None
+        if not actual_text or not actual_text.strip(): logging.warning(f"[{request_id}] ❌ متن ورودی خالی است."); return None
     
+    # توجه: پارامترهای prompt و voice دیگر در مدل جدید استفاده نمی‌شوند ولی برای سازگاری در تابع باقی می‌مانند
     final_path = core_generate_audio(actual_text, speech_prompt, speaker_voice, temperature, request_id)
     
     if final_path:
-        logging.info(f"[{request_id}] ✅ فرآیند با موفقیت به پایان رسید. فایل صوتی برای کاربر ارسال می‌شود.")
+        logging.info(f"[{request_id}] ✅ فرآیند با موفقیت به پایان رسید.")
     else:
-        logging.error(f"[{request_id}] ❌ فرآیند ناموفق بود. هیچ فایلی برای کاربر ارسال نمی‌شود.")
+        logging.error(f"[{request_id}] ❌ فرآیند ناموفق بود.")
         
     return final_path
 
@@ -305,12 +268,9 @@ def auto_restart_service():
     logging.info(f"زمان ری‌استارت خودکار فرا رسیده است. برنامه برای ری‌استارت خارج می‌شود...")
     os._exit(1)
 
-# --- CSS و Gradio UI (بدون تغییر) ---
 custom_css_inspired_by_image = f"""
 @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@300;400;500;700;800&display=swap');
-:root {{
-    --app-font: 'Vazirmatn', sans-serif; --app-header-grad-start: #2980b9; --app-header-grad-end: #2ecc71; --app-panel-bg: #FFFFFF; --app-input-bg: #F7F7F7; --app-button-bg: #2979FF; --app-main-bg: linear-gradient(170deg, #E0F2FE 0%, #F3E8FF 100%); --app-text-primary: #333; --app-text-secondary: #555; --app-border-color: #E0E0E0; --radius-card: 20px; --radius-input: 8px; --shadow-card: 0 10px 30px -5px rgba(0,0,0,0.1); --shadow-button: 0 4px 10px -2px rgba(41,121,255,0.5);
-}}
+:root {{ --app-font: 'Vazirmatn', sans-serif; --app-header-grad-start: #2980b9; --app-header-grad-end: #2ecc71; --app-panel-bg: #FFFFFF; --app-input-bg: #F7F7F7; --app-button-bg: #2979FF; --app-main-bg: linear-gradient(170deg, #E0F2FE 0%, #F3E8FF 100%); --app-text-primary: #333; --app-text-secondary: #555; --app-border-color: #E0E0E0; --radius-card: 20px; --radius-input: 8px; --shadow-card: 0 10px 30px -5px rgba(0,0,0,0.1); --shadow-button: 0 4px 10px -2px rgba(41,121,255,0.5); }}
 body, .gradio-container {{ font-family: var(--app-font); direction: rtl; background: var(--app-main-bg); color: var(--app-text-primary); font-size: 16px; line-height: 1.65; }}
 .gradio-container {{ max-width:100% !important; min-height:100vh; margin:0 !important; padding:0 !important; display:flex; flex-direction:column; }}
 .app-header-alpha {{ padding: 3rem 1.5rem 4rem 1.5rem; text-align: center; background-image: linear-gradient(135deg, var(--app-header-grad-start) 0%, var(--app-header-grad-end) 100%); color: white; border-bottom-left-radius: var(--radius-card); border-bottom-right-radius: var(--radius-card); box-shadow: 0 6px 20px -5px rgba(0,0,0,0.2); }}
@@ -326,14 +286,10 @@ footer {{display:none !important;}}
 .gr-input > label + div > textarea:focus, .gr-dropdown > label + div > div > input:focus, .gr-textbox > label + div > textarea:focus {{ border-color: var(--app-button-bg) !important; box-shadow: 0 0 0 3px rgba(41,121,255,0.2) !important; }}
 label > .label-text {{ font-weight: 700 !important; color: var(--app-text-primary) !important; font-size: 0.95em !important; margin-bottom: 0.5rem !important; }}
 .section-title-main-alpha {{ font-size: 1.1em; color: var(--app-text-secondary); margin-bottom:1rem; padding-bottom: 0.5rem; border-bottom: 1px solid var(--app-border-color); font-weight:500; text-align:right; }}
-label > .label-text::before {{ margin-left: 8px; vertical-align: middle; opacity: 0.7; }}
-label[for*="text_input_main_alpha_v3"] > .label-text::before {{ content: '📝'; }}
-label[for*="speech_prompt_alpha_v3"] > .label-text::before {{ content: '🗣️'; }}
-label[for*="speaker_voice_alpha_v3"] > .label-text::before {{ content: '🎤'; }}
-label[for*="temperature_slider_alpha_v3"] > .label-text::before {{ content: '🌡️'; }}
 #output_audio_player_alpha_v3 audio {{ width: 100%; border-radius: var(--radius-input); margin-top:0.8rem; }}
 .temp_description_class_alpha_v3 {{ font-size: 0.85em; color: #777; margin-top: -0.4rem; margin-bottom: 1rem; }}
 .app-footer-final {{text-align:center;font-size:0.9em;color: var(--app-text-secondary);opacity:0.8; margin-top:3rem;padding:1.5rem 0; border-top:1px solid var(--app-border-color);}}
+.gradio-container .gr-form {{gap: 1.25rem !important;}}
 """
 
 alpha_header_html_v3 = """
@@ -347,35 +303,43 @@ with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), c
     gr.HTML(alpha_header_html_v3)
 
     with gr.Column(elem_classes=["main-content-panel-alpha"]):
-        use_file_input_cb = gr.Checkbox(label="📄 استفاده از فایل متنی (.txt)", value=False, elem_id="use_file_cb_alpha_v3")
-        uploaded_file_input = gr.File(label=" ", file_types=['.txt'], visible=False, elem_id="file_uploader_alpha_main_v3")
-        text_to_speak_tb = gr.Textbox(label="متن فارسی برای تبدیل", placeholder="مثال: سلام، فردا هوا چطور است؟", lines=5, value="", visible=True, elem_id="text_input_main_alpha_v3")
-        use_file_input_cb.change(fn=lambda x: (gr.update(visible=x, label=" " if x else "متن فارسی برای تبدیل"), gr.update(visible=not x)), inputs=use_file_input_cb, outputs=[uploaded_file_input, text_to_speak_tb])
+        with gr.Row():
+            use_file_input_cb = gr.Checkbox(label="📄 استفاده از فایل متنی (.txt)", value=False, elem_id="use_file_cb_alpha_v3")
+        
+        uploaded_file_input = gr.File(label="فایل .txt خود را اینجا بکشید یا آپلود کنید", file_types=['.txt'], visible=False, elem_id="file_uploader_alpha_main_v3") 
+        text_to_speak_tb = gr.Textbox(label="📝 متن فارسی برای تبدیل", placeholder="مثال: سلام، فردا هوا چطور است؟", lines=5, value="", visible=True, elem_id="text_input_main_alpha_v3")
+        
+        use_file_input_cb.change(
+            fn=lambda x: (gr.update(visible=x), gr.update(visible=not x)),
+            inputs=use_file_input_cb,
+            outputs=[uploaded_file_input, text_to_speak_tb]
+        )
 
-        speech_prompt_tb = gr.Textbox(label="سبک گفتار (اختیاری)", placeholder="مثال: با لحنی شاد و پرانرژی", value="با لحنی دوستانه و رسا صحبت کن.", lines=2, elem_id="speech_prompt_alpha_v3")
-        speaker_voice_dd = gr.Dropdown(SPEAKER_VOICES, label="انتخاب گوینده و لهجه", value="Charon", elem_id="speaker_voice_alpha_v3")
-        temperature_slider = gr.Slider(minimum=0.1, maximum=1.5, step=0.05, value=0.9, label="میزان خلاقیت صدا", elem_id="temperature_slider_alpha_v3")
-        gr.Markdown("<p class='temp_description_class_alpha_v3'>مقادیر بالاتر = تنوع بیشتر، مقادیر پایین‌تر = یکنواختی بیشتر.</p>")
+        with gr.Accordion("⚙️ تنظیمات پیشرفته (اختیاری)", open=False):
+            speech_prompt_tb = gr.Textbox(label="🗣️ سبک گفتار (Prompt)", placeholder="مثال: با لحنی شاد و پرانرژی", value="با لحنی دوستانه و رسا صحبت کن.", lines=2, elem_id="speech_prompt_alpha_v3", visible=False) # مخفی شد
+            speaker_voice_dd = gr.Dropdown(SPEAKER_VOICES, label="🎤 انتخاب گوینده و لهجه", value="Charon", elem_id="speaker_voice_alpha_v3", visible=False) # مخفی شد
+            temperature_slider = gr.Slider(minimum=0.0, maximum=1.0, step=0.05, value=0.7, label="🌡️ میزان خلاقیت (Temperature)", elem_id="temperature_slider_alpha_v3")
+            gr.Markdown("<p class='temp_description_class_alpha_v3'>مقادیر بالاتر = تنوع بیشتر، مقادیر پایین‌تر = یکنواختی بیشتر.</p>")
 
         generate_button = gr.Button("🚀 تولید و پخش صدا", elem_classes=["generate-button-final"], elem_id="generate_button_alpha_v3")
-        output_audio = gr.Audio(label=" ", type="filepath", elem_id="output_audio_player_alpha_v3")
-
+        output_audio = gr.Audio(label="خروجی صدا", type="filepath", elem_id="output_audio_player_alpha_v3")
+    
         generate_button.click(
             fn=gradio_tts_interface,
             inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
-            outputs=[output_audio]
+            outputs=[output_audio] 
         )
 
-        gr.Markdown("<h3 class='section-title-main-alpha' style='margin-top:2.5rem; text-align:center; border-bottom:none;'>نمونه‌های کاربردی</h3>", elem_id="examples_section_title_v3")
         gr.Examples(
             examples=[
-                [False, None, "سلام بر شما، امیدوارم روز خوبی داشته باشید.", "با لحنی گرم و صمیمی.", "Zephyr", 0.85],
-                [False, None, "این یک آزمایش برای بررسی کیفیت صدای تولید شده توسط هوش مصنوعی آلفا است.", "با صدایی طبی��ی و روان.", "Charon", 0.9],
+                [False, None, "سلام بر شما، امیدوارم روز خوبی داشته باشید.", "", "", 0.7],
+                [False, None, "این یک آزمایش برای بررسی کیفیت صدای تولید شده توسط هوش مصنوعی آلفا است.", "", "", 0.7],
             ],
             inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
             outputs=[output_audio],
             fn=gradio_tts_interface,
-            cache_examples=False
+            cache_examples=False,
+            label="چند نمونه برای تست"
         )
     gr.Markdown("<p class='app-footer-final'>Alpha Language Learning © 2024</p>")
 
@@ -383,7 +347,6 @@ if __name__ == "__main__":
     threading.Thread(target=auto_restart_service, daemon=True, name="AutoRestartThread").start()
     
     if len(ALL_API_KEYS) > 0 :
-        # [IMPROVEMENT] افزایش تعداد تردها در صف برای مدیریت بهتر کاربران همزمان
         demo.queue(default_concurrency_limit=10).launch(server_name="0.0.0.0", server_port=int(os.getenv("PORT", 7860)))
     else:
         logging.critical("🔴 برنامه به دلیل عدم وجود کلید API جیمینای اجرا نشد. لطفاً Secrets را بررسی کنید.")