Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
|
@@ -7,7 +7,7 @@ import aiohttp
|
|
| 7 |
import requests
|
| 8 |
import subprocess
|
| 9 |
import shutil
|
| 10 |
-
import random
|
| 11 |
from flask import Flask, request, jsonify, send_file, render_template
|
| 12 |
from flask_cors import CORS
|
| 13 |
from werkzeug.utils import secure_filename
|
|
@@ -18,6 +18,12 @@ import yt_dlp
|
|
| 18 |
app = Flask(__name__, template_folder='templates', static_folder='static')
|
| 19 |
CORS(app)
|
| 20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 21 |
# تنظیمات مسیرها
|
| 22 |
UPLOAD_FOLDER = 'uploads'
|
| 23 |
TEMP_AUDIO_FOLDER = 'temp_audio'
|
|
@@ -54,6 +60,63 @@ def download_youtube(url):
|
|
| 54 |
ydl.download([url])
|
| 55 |
return filepath
|
| 56 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 57 |
async def generate_audio_async(session, text, speaker, index):
|
| 58 |
"""تولید صدا به صورت غیرهمزمان از API پادکست"""
|
| 59 |
try:
|
|
@@ -102,20 +165,11 @@ def serve_audio(filename):
|
|
| 102 |
|
| 103 |
@app.route('/api/analyze', methods=['POST'])
|
| 104 |
def analyze_video():
|
| 105 |
-
# د
|
| 106 |
-
raw_api_keys = request.form.get('api_key')
|
| 107 |
youtube_url = request.form.get('youtube_url')
|
| 108 |
video_file = request.files.get('video_file')
|
| 109 |
target_lang = request.form.get('language', 'Persian')
|
| 110 |
|
| 111 |
-
if not raw_api_keys: return jsonify({"error": "API Key is required"}), 400
|
| 112 |
-
|
| 113 |
-
# تبدیل رشته کلیدها به لیست و حذف فاصلههای اضافی
|
| 114 |
-
api_keys_list = [k.strip() for k in raw_api_keys.split(',') if k.strip()]
|
| 115 |
-
|
| 116 |
-
# بهم ریختن ترتیب کلیدها برای انتخاب تصادفی
|
| 117 |
-
random.shuffle(api_keys_list)
|
| 118 |
-
|
| 119 |
try:
|
| 120 |
# 1. دریافت ویدیو
|
| 121 |
if youtube_url:
|
|
@@ -130,66 +184,26 @@ def analyze_video():
|
|
| 130 |
# 2. استخراج صدا
|
| 131 |
audio_path = extract_audio(video_path)
|
| 132 |
|
| 133 |
-
# 3.
|
| 134 |
-
|
| 135 |
-
|
|
|
|
| 136 |
|
| 137 |
-
|
| 138 |
-
|
| 139 |
-
|
| 140 |
-
|
| 141 |
-
|
| 142 |
-
|
| 143 |
-
|
| 144 |
-
|
| 145 |
-
|
| 146 |
-
|
| 147 |
-
|
| 148 |
-
|
| 149 |
-
|
| 150 |
-
|
| 151 |
-
|
| 152 |
-
|
| 153 |
-
Format:
|
| 154 |
-
[
|
| 155 |
-
{{"start": 0.0, "end": 4.5, "speaker_id": "Charon", "text": "Translated text..."}},
|
| 156 |
-
...
|
| 157 |
-
]
|
| 158 |
-
"""
|
| 159 |
-
|
| 160 |
-
# آپلود فایل (توجه: فایل باید با همان کلیدی آپلود شود که جنریت انجام میشود)
|
| 161 |
-
audio_file = genai.upload_file(audio_path)
|
| 162 |
-
|
| 163 |
-
# انتظار برای پردازش فایل
|
| 164 |
-
while audio_file.state.name == "PROCESSING":
|
| 165 |
-
time.sleep(1)
|
| 166 |
-
audio_file = genai.get_file(audio_file.name)
|
| 167 |
-
|
| 168 |
-
if audio_file.state.name == "FAILED":
|
| 169 |
-
raise Exception("File upload failed on Google servers")
|
| 170 |
-
|
| 171 |
-
res = model.generate_content([prompt, audio_file], generation_config={"response_mime_type": "application/json"})
|
| 172 |
-
|
| 173 |
-
# پارس کردن خروجی
|
| 174 |
-
try:
|
| 175 |
-
script = json.loads(res.text)
|
| 176 |
-
except:
|
| 177 |
-
# گاهی اوقات مدل جیسون خالص نمیدهد، پاکسازی ساده
|
| 178 |
-
clean_json = res.text.replace('```json', '').replace('```', '')
|
| 179 |
-
script = json.loads(clean_json)
|
| 180 |
-
|
| 181 |
-
# اگر موفق بود، حلقه را بشکن
|
| 182 |
-
break
|
| 183 |
-
|
| 184 |
-
except Exception as e:
|
| 185 |
-
print(f"Key {current_key[:5]}... failed. Error: {e}")
|
| 186 |
-
last_error = e
|
| 187 |
-
# ادامه میدهیم به کلید بعدی در لیست
|
| 188 |
-
continue
|
| 189 |
-
|
| 190 |
-
# اگر بعد از امتحان تمام کلیدها اسکریپت هنوز خالی بود
|
| 191 |
-
if script is None:
|
| 192 |
-
return jsonify({"error": f"All API keys failed. Last error: {str(last_error)}"}), 500
|
| 193 |
|
| 194 |
# 4. تولید صدای اولیه به صورت همزمان (Batch Processing)
|
| 195 |
results = asyncio.run(batch_generate_audio(script))
|
|
@@ -217,7 +231,7 @@ def regenerate_segment():
|
|
| 217 |
speaker = data.get('speaker_id')
|
| 218 |
|
| 219 |
try:
|
| 220 |
-
# درخواست تکی به API پادکست
|
| 221 |
resp = requests.post(PODCAST_API_URL, json={"text": text, "speaker": speaker, "temperature": 0.9})
|
| 222 |
if resp.status_code == 200:
|
| 223 |
filename = f"seg_{uuid.uuid4()}.wav"
|
|
@@ -256,15 +270,12 @@ def render_final():
|
|
| 256 |
current_dur_ms = len(audio)
|
| 257 |
|
| 258 |
if current_dur_ms > 0:
|
| 259 |
-
# اگر تفاوت زمان زیاد بود، سرعت را تغییر بده (محدودیت بین 0.5 تا 2.0 برابر)
|
| 260 |
speed = current_dur_ms / target_dur_ms
|
| 261 |
speed = max(0.6, min(2.0, speed))
|
| 262 |
|
| 263 |
if abs(speed - 1.0) > 0.05:
|
| 264 |
-
# تغییر سرعت با FFmpeg چون کیفیت بهتری از pydub دارد
|
| 265 |
temp_out = seg_path.replace('.wav', '_speed.wav')
|
| 266 |
atempo = f"atempo={speed}"
|
| 267 |
-
# برای سرعتهای خیلی زیاد یا کم نیاز به زنجیره فیلتر است
|
| 268 |
if speed > 2.0: atempo = "atempo=2.0,atempo={}".format(speed/2)
|
| 269 |
elif speed < 0.5: atempo = "atempo=0.5,atempo={}".format(speed/0.5)
|
| 270 |
|
|
@@ -284,15 +295,14 @@ def render_final():
|
|
| 284 |
# ترکیب با ویدیو
|
| 285 |
final_video_path = os.path.join(UPLOAD_FOLDER, f"dubbed_{uuid.uuid4()}.mp4")
|
| 286 |
|
| 287 |
-
# دستور FFmpeg: ویدیو اصلی + صدای جدید (جایگزین صدای قبلی)
|
| 288 |
cmd = [
|
| 289 |
'ffmpeg', '-y',
|
| 290 |
'-i', video_path,
|
| 291 |
'-i', final_mix_path,
|
| 292 |
-
'-c:v', 'copy',
|
| 293 |
-
'-c:a', 'aac',
|
| 294 |
-
'-map', '0:v:0',
|
| 295 |
-
'-map', '1:a:0',
|
| 296 |
'-shortest',
|
| 297 |
final_video_path
|
| 298 |
]
|
|
|
|
| 7 |
import requests
|
| 8 |
import subprocess
|
| 9 |
import shutil
|
| 10 |
+
import random
|
| 11 |
from flask import Flask, request, jsonify, send_file, render_template
|
| 12 |
from flask_cors import CORS
|
| 13 |
from werkzeug.utils import secure_filename
|
|
|
|
| 18 |
app = Flask(__name__, template_folder='templates', static_folder='static')
|
| 19 |
CORS(app)
|
| 20 |
|
| 21 |
+
# ==========================================
|
| 22 |
+
# تنظیمات کلیدهای API (محل قرارگیری کلیدها)
|
| 23 |
+
# ==========================================
|
| 24 |
+
# کلیدهای خود را در اینجا وارد کنید و با کاما (,) جدا کنید
|
| 25 |
+
ALL_GEMINI_API_KEYS = "YOUR_API_KEY_1,YOUR_API_KEY_2,YOUR_API_KEY_3,YOUR_API_KEY_4"
|
| 26 |
+
|
| 27 |
# تنظیمات مسیرها
|
| 28 |
UPLOAD_FOLDER = 'uploads'
|
| 29 |
TEMP_AUDIO_FOLDER = 'temp_audio'
|
|
|
|
| 60 |
ydl.download([url])
|
| 61 |
return filepath
|
| 62 |
|
| 63 |
+
def generate_content_with_retry(prompt, audio_file_path):
|
| 64 |
+
"""
|
| 65 |
+
این تابع کلیدها را مدیریت میکند.
|
| 66 |
+
اگر یک کلید خطا داد، سراغ بعدی میرود.
|
| 67 |
+
"""
|
| 68 |
+
# تبدیل رشته کلیدها به لیست و حذف فاصلههای اضافی
|
| 69 |
+
keys_list = [k.strip() for k in ALL_GEMINI_API_KEYS.split(',') if k.strip()]
|
| 70 |
+
|
| 71 |
+
if not keys_list:
|
| 72 |
+
raise Exception("هیچ کلید API تعریف نشده است.")
|
| 73 |
+
|
| 74 |
+
# مخلوط کردن کلیدها برای انتخاب تصادفی
|
| 75 |
+
random.shuffle(keys_list)
|
| 76 |
+
|
| 77 |
+
last_exception = None
|
| 78 |
+
|
| 79 |
+
for api_key in keys_list:
|
| 80 |
+
try:
|
| 81 |
+
print(f"Trying with API Key: ...{api_key[-4:]}") # لاگ کردن ۴ حرف آخر کلید برای دیباگ
|
| 82 |
+
genai.configure(api_key=api_key)
|
| 83 |
+
model = genai.GenerativeModel('gemini-2.5-flash')
|
| 84 |
+
|
| 85 |
+
# آپلود فایل برای جمینای
|
| 86 |
+
# نکته: هر کلید فضای فایل خود را دارد، پس باید با کلید جدید دوباره آپلود شود
|
| 87 |
+
uploaded_file = genai.upload_file(audio_file_path)
|
| 88 |
+
|
| 89 |
+
# انتظار برای پردازش فایل
|
| 90 |
+
while uploaded_file.state.name == "PROCESSING":
|
| 91 |
+
time.sleep(1)
|
| 92 |
+
uploaded_file = genai.get_file(uploaded_file.name)
|
| 93 |
+
|
| 94 |
+
if uploaded_file.state.name == "FAILED":
|
| 95 |
+
raise Exception("Google failed to process audio file.")
|
| 96 |
+
|
| 97 |
+
# تولید محتوا
|
| 98 |
+
response = model.generate_content(
|
| 99 |
+
[prompt, uploaded_file],
|
| 100 |
+
generation_config={"response_mime_type": "application/json"}
|
| 101 |
+
)
|
| 102 |
+
|
| 103 |
+
# پاک کردن فایل از سرور گوگل برای جلوگیری از پر شدن حافظه
|
| 104 |
+
try:
|
| 105 |
+
genai.delete_file(uploaded_file.name)
|
| 106 |
+
except:
|
| 107 |
+
pass
|
| 108 |
+
|
| 109 |
+
return json.loads(response.text)
|
| 110 |
+
|
| 111 |
+
except Exception as e:
|
| 112 |
+
print(f"Key failed: {e}")
|
| 113 |
+
last_exception = e
|
| 114 |
+
# حلقه ادامه مییابد و سراغ کلید بعدی میرود
|
| 115 |
+
continue
|
| 116 |
+
|
| 117 |
+
# اگر از حلقه خارج شد یعنی همه کلیدها خطا دادهاند
|
| 118 |
+
raise Exception(f"All API keys failed. Last error: {str(last_exception)}")
|
| 119 |
+
|
| 120 |
async def generate_audio_async(session, text, speaker, index):
|
| 121 |
"""تولید صدا به صورت غیرهمزمان از API پادکست"""
|
| 122 |
try:
|
|
|
|
| 165 |
|
| 166 |
@app.route('/api/analyze', methods=['POST'])
|
| 167 |
def analyze_video():
|
| 168 |
+
# دیگر نیازی به دریافت api_key از سمت کلاینت نیست
|
|
|
|
| 169 |
youtube_url = request.form.get('youtube_url')
|
| 170 |
video_file = request.files.get('video_file')
|
| 171 |
target_lang = request.form.get('language', 'Persian')
|
| 172 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 173 |
try:
|
| 174 |
# 1. دریافت ویدیو
|
| 175 |
if youtube_url:
|
|
|
|
| 184 |
# 2. استخراج صدا
|
| 185 |
audio_path = extract_audio(video_path)
|
| 186 |
|
| 187 |
+
# 3. ارسال به Gemini با قابلیت Retry و چرخش کلیدها
|
| 188 |
+
prompt = f"""
|
| 189 |
+
You are a Dubbing Director.
|
| 190 |
+
{CAST_PROMPT}
|
| 191 |
|
| 192 |
+
TASK:
|
| 193 |
+
1. Identify speakers in the audio.
|
| 194 |
+
2. Assign a Voice Actor ID from the list to each segment based on gender/tone.
|
| 195 |
+
3. Translate the dialogue to {target_lang}.
|
| 196 |
+
4. Return a JSON Array.
|
| 197 |
+
|
| 198 |
+
Format:
|
| 199 |
+
[
|
| 200 |
+
{{"start": 0.0, "end": 4.5, "speaker_id": "Charon", "text": "Translated text..."}},
|
| 201 |
+
...
|
| 202 |
+
]
|
| 203 |
+
"""
|
| 204 |
+
|
| 205 |
+
# استفاده از تابع جدید که مدیریت کلیدها را بر عهده دارد
|
| 206 |
+
script = generate_content_with_retry(prompt, audio_path)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 207 |
|
| 208 |
# 4. تولید صدای اولیه به صورت همزمان (Batch Processing)
|
| 209 |
results = asyncio.run(batch_generate_audio(script))
|
|
|
|
| 231 |
speaker = data.get('speaker_id')
|
| 232 |
|
| 233 |
try:
|
| 234 |
+
# درخواست تکی به API پادکست
|
| 235 |
resp = requests.post(PODCAST_API_URL, json={"text": text, "speaker": speaker, "temperature": 0.9})
|
| 236 |
if resp.status_code == 200:
|
| 237 |
filename = f"seg_{uuid.uuid4()}.wav"
|
|
|
|
| 270 |
current_dur_ms = len(audio)
|
| 271 |
|
| 272 |
if current_dur_ms > 0:
|
|
|
|
| 273 |
speed = current_dur_ms / target_dur_ms
|
| 274 |
speed = max(0.6, min(2.0, speed))
|
| 275 |
|
| 276 |
if abs(speed - 1.0) > 0.05:
|
|
|
|
| 277 |
temp_out = seg_path.replace('.wav', '_speed.wav')
|
| 278 |
atempo = f"atempo={speed}"
|
|
|
|
| 279 |
if speed > 2.0: atempo = "atempo=2.0,atempo={}".format(speed/2)
|
| 280 |
elif speed < 0.5: atempo = "atempo=0.5,atempo={}".format(speed/0.5)
|
| 281 |
|
|
|
|
| 295 |
# ترکیب با ویدیو
|
| 296 |
final_video_path = os.path.join(UPLOAD_FOLDER, f"dubbed_{uuid.uuid4()}.mp4")
|
| 297 |
|
|
|
|
| 298 |
cmd = [
|
| 299 |
'ffmpeg', '-y',
|
| 300 |
'-i', video_path,
|
| 301 |
'-i', final_mix_path,
|
| 302 |
+
'-c:v', 'copy',
|
| 303 |
+
'-c:a', 'aac',
|
| 304 |
+
'-map', '0:v:0',
|
| 305 |
+
'-map', '1:a:0',
|
| 306 |
'-shortest',
|
| 307 |
final_video_path
|
| 308 |
]
|