Upload main.py

main.py

@@ -0,0 +1,193 @@
+from fastapi import FastAPI, Request
+from fastapi.staticfiles import StaticFiles
+from fastapi.responses import FileResponse
+from pydantic import BaseModel
+from pydub import AudioSegment
+import torch
+import torch.nn as nn
+import pickle
+import numpy as np
+from music21 import note, chord, stream, instrument
+import os
+os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
+import random
+import subprocess
+
+app = FastAPI(title="Bio-Vibe AI Inference")
+os.makedirs("music", exist_ok=True)
+app.mount("/music", StaticFiles(directory="music"), name="music")
+
+@app.get("/")
+async def serve_frontend():
+    return FileResponse("index.html")
+
+class HeartRateData(BaseModel):
+    bpm: int
+
+# ==========================================
+# 1. KHÔI PHỤC "BỘ NÃO" (PYTORCH MODEL)
+# ==========================================
+# Cấu trúc class phải y hệt lúc train
+class BioVibeAI(nn.Module):
+    def __init__(self, vocab_size, embed_size=256, hidden_size=512, num_layers=2):
+        super(BioVibeAI, self).__init__()
+        self.embedding = nn.Embedding(vocab_size, embed_size)
+        self.lstm = nn.LSTM(embed_size, hidden_size, num_layers, batch_first=True)
+        self.fc = nn.Linear(hidden_size, vocab_size)
+        
+    def forward(self, x):
+        embedded = self.embedding(x)
+        out, _ = self.lstm(embedded)
+        out = self.fc(out[:, -1, :])
+        return out
+
+# Nạp từ điển
+with open('mapping_dict.pkl', 'rb') as f:
+    int_to_note = pickle.load(f)
+note_to_int = {note: number for number, note in int_to_note.items()}
+vocab_size = len(int_to_note)
+
+# Load trọng số mô hình
+device = torch.device("cpu") # Server chạy CPU cho nhẹ
+model = BioVibeAI(vocab_size=vocab_size)
+model.load_state_dict(torch.load("biovibe_brain.pth", map_location=device))
+model.eval() # Chuyển sang chế độ suy luận
+
+# Nạp kho dữ liệu cũ để lấy Seed (đoạn nhạc mồi)
+with open('notes_corpus.pkl', 'rb') as f:
+    corpus = pickle.load(f)
+
+# ==========================================
+# 2. HÀM SÁNG TÁC BẰNG NHIỆT ĐỘ (TEMPERATURE)
+# ==========================================
+def generate_ai_midi(bpm: int, output_file: str, num_notes: int = 60):
+    # Logic phản hồi sinh học
+    if bpm > 80:
+        temperature = 0.7  # An toàn, ổn định
+        base_offset = 1.0  # Nốt đánh chậm
+    else:
+        temperature = 1.0  # Bay bổng, ngẫu hứng
+        base_offset = 0.5  # Nốt đánh nhanh hơn một chút
+        
+    # Chọn bừa 100 nốt từ kho dữ liệu để làm "mồi" cho AI
+    start_idx = random.randint(0, len(corpus) - 100)
+    seed_sequence = corpus[start_idx:start_idx + 100]
+    pattern = [note_to_int[char] for char in seed_sequence]
+    
+    generated_notes = []
+    
+    print(f"Đang sáng tác với Temp={temperature}...")
+    
+    # AI bắt đầu dự đoán
+    for i in range(num_notes):
+        sequence_tensor = torch.tensor([pattern], dtype=torch.long).to(device)
+        
+        with torch.no_grad():
+            prediction = model(sequence_tensor)
+            
+        # ÁP DỤNG TEMPERATURE
+        prediction = prediction / temperature
+        probabilities = torch.softmax(prediction, dim=1).numpy()[0]
+        
+        # Chọn nốt dựa trên phân phối xác suất
+        index = np.random.choice(len(probabilities), p=probabilities)
+        
+        result_note = int_to_note[index]
+        generated_notes.append(result_note)
+        
+        # Cập nhật cửa sổ trượt (thêm nốt mới, xóa nốt cũ nhất)
+        pattern.append(index)
+        pattern = pattern[1:]
+        
+    # ==========================================
+    # 3. CHUYỂN NGỮ AI THÀNH FILE MIDI
+    # ==========================================
+    offset = 0
+    output_stream = stream.Stream()
+    output_stream.append(instrument.Piano()) # Chọn nhạc cụ
+    
+    for pattern_note in generated_notes:
+        # Nếu là hợp âm (có dấu chấm, ví dụ '4.7.11')
+        try:
+            # Xử lý Hợp âm
+            if ('.' in pattern_note) or pattern_note.isdigit():
+                notes_in_chord = pattern_note.split('.')
+                chord_notes = []
+                for current_note in notes_in_chord:
+                    n = note.Note(int(current_note))
+                    # --- CAN THIỆP TẠI ĐÂY ---
+                    if n.pitch.ps > 72:  # Nếu nốt cao hơn C5
+                        n.pitch.ps -= 12  # Hạ xuống 1 quãng tám
+                    n.volume.velocity = random.randint(50, 70)  # Giảm độ đanh (Velocity)
+                    # -------------------------
+                    chord_notes.append(n)
+                new_obj = chord.Chord(chord_notes)
+
+            # Xử lý Nốt đơn
+            else:
+                new_obj = note.Note(pattern_note)
+                # --- CAN THIỆP TẠI ĐÂY ---
+                if new_obj.pitch.ps > 72:
+                    new_obj.pitch.ps -= 12
+                new_obj.volume.velocity = random.randint(50, 70)
+                # -------------------------
+
+            new_obj.offset = offset
+            output_stream.append(new_obj)
+            offset += base_offset
+        except:
+            continue
+        
+    output_stream.write('midi', fp=output_file)
+
+# ==========================================
+# 4. API ENDPOINT
+# ==========================================
+
+# Low-pass filter
+def apply_audio_filters(wav_path):
+    # Đọc file âm thanh vừa render
+    sound = AudioSegment.from_wav(wav_path)
+
+    # 1. Áp dụng Low Pass Filter tại 2000Hz (Loại bỏ tiếng rít cao)
+    sound = sound.low_pass_filter(2000)
+
+    # 2. Fade in/Fade out nhẹ để âm thanh không bị ngắt đột ngột (tăng ADSR mượt)
+    sound = sound.fade_in(1000).fade_out(2000)
+
+    # Xuất đè lên file cũ
+    sound.export(wav_path, format="wav")
+@app.post("/generate-vibe")
+async def generate_vibe(data: HeartRateData, request: Request):
+    # Đường dẫn file
+    midi_file = f"music/ai_vibe_{data.bpm}.mid"
+    wav_file = f"music/ai_vibe_{data.bpm}.wav"
+    soundfont_path = "soundfonts/Piano.sf2" # Đường dẫn tới file sf2 bạn vừa tải
+    
+    # Bước 1: PyTorch sinh ra cấu trúc nốt nhạc (MIDI)
+    # Bước 1: PyTorch sinh ra cấu trúc nốt nhạc (MIDI)
+    generate_ai_midi(data.bpm, midi_file)
+    
+    # Bước 2: Tự viết lệnh Render bằng Subprocess chuẩn xác cho FluidSynth 2.5+
+    print("Đang render MIDI thành âm thanh Piano...")
+    try:
+        subprocess.run([
+            "fluidsynth", 
+            "-ni",               # Chạy ẩn không cần giao diện
+            "-r", "44100",       # Chất lượng Sample rate
+            "-F", wav_file,      # Xuất ra file thay vì phát ra loa laptop!
+            soundfont_path,      # Dàn nhạc (Soundfont)
+            midi_file            # Kịch bản (MIDI)
+        ], check=True)
+
+        # --- BƯỚC MỚI: LỌC ÂM THANH NHỨC ÓC ---
+        apply_audio_filters(wav_file)
+        # -------------------------------------
+    except Exception as e:
+        print(f"Lỗi khi render âm thanh: {e}")
+        return {"status": "error", "message": "Render failed"}
+    
+    server_url = str(request.base_url).rstrip("/")
+    
+    # Bước 3: Trả về link file âm thanh xịn xò cho App Flutter
+    return {"status": "success", "audio_url": f"{server_url}/{wav_file}"}