import os import json import uuid import time import asyncio import aiohttp import requests import subprocess import random import logging import base64 import io from flask import Flask, request, jsonify, send_file, render_template from flask_cors import CORS from werkzeug.utils import secure_filename import google.generativeai as genai from pydub import AudioSegment # ========================================== # تنظیمات سیستم لاگ (نمایش پیام‌ها در کنسول) # ========================================== logging.basicConfig( level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s', datefmt='%Y-%m-%d %H:%M:%S' ) logger = logging.getLogger(__name__) app = Flask(__name__, template_folder='templates', static_folder='static') CORS(app) # ========================================== # بررسی کلیدها در لحظه شروع برنامه # ========================================== def load_api_keys(): """خواندن و بررسی کلیدها از تنظیمات""" raw_keys = os.environ.get("GEMINI_API_KEYS", "") # تمیزکاری کلیدها (حذف فاصله و خط جدید) keys_list = [k.strip() for k in raw_keys.split(',') if k.strip()] if keys_list: logger.info(f"✅ تعداد {len(keys_list)} کلید API جیمینای با موفقیت شناسایی شد.") # نمایش ۴ حرف آخر اولین کلید برای اطمینان (بدون لو رفتن کلید) first_key_preview = keys_list[0][-4:] if len(keys_list[0]) > 4 else "****" logger.info(f"ℹ️ نمونه کلید اول: ...{first_key_preview}") else: logger.error("❌ هیچ کلید API یافت نشد!") logger.warning("⚠️ لطفاً مطمئن شوید در بخش Settings > Secrets متغیر GEMINI_API_KEYS را مقداردهی کرده‌اید.") return keys_list # بارگذاری اولیه برای نمایش در لاگ GLOBAL_KEYS = load_api_keys() # ========================================== # تنظیمات مسیرها و API ها # ========================================== UPLOAD_FOLDER = 'uploads' TEMP_AUDIO_FOLDER = 'temp_audio' os.makedirs(UPLOAD_FOLDER, exist_ok=True) os.makedirs(TEMP_AUDIO_FOLDER, exist_ok=True) # آدرس API پادکست (موتور تولید صدای پایه) PODCAST_API_URL = "https://ezmarynoori-podgen.hf.space/api/generate" # آدرس سرویس تغییر صدا (مدل اختصاصی) VC_SPACE_URL = "https://ezmarynoori-sada.hf.space" # لیست کامل ۳۰ گوینده جهت تشخیص و انتخاب توسط هوش مصنوعی CAST_PROMPT = """ AVAILABLE VOICE ACTORS (Use these IDs only for the "speaker_id" field): -- MALE VOICES (16 Options) --: 1. Charon 2. Achird 3. Zubenelgenubi 4. Rasalgethi 5. Sadachbia 6. Sadaltager 7. Alnilam 8. Schedar 9. Umbriel 10. Algieba 11. Algenib 12. Orus 13. Enceladus 14. Iapetus 15. Puck 16. Fenrir -- FEMALE VOICES (14 Options) --: 1. Zephyr 2. Vindemiatrix 3. Sulafat 4. Laomedeia 5. Achernar 6. Gacrux 7. Pulcherrima 8. Despina 9. Erinome 10. Aoede 11. Callirrhoe 12. Autonoe 13. Kore 14. Leda """ # ========================================== # توابع کمکی # ========================================== def get_video_duration(video_path): cmd = ['ffprobe', '-v', 'error', '-show_entries', 'format=duration', '-of', 'default=noprint_wrappers=1:nokey=1', video_path] return float(subprocess.check_output(cmd).decode('utf-8').strip()) def extract_audio(video_path): audio_path = video_path.rsplit('.', 1)[0] + '.mp3' subprocess.run(['ffmpeg', '-i', video_path, '-vn', '-acodec', 'mp3', '-y', audio_path], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL) return audio_path def generate_content_with_retry(prompt, audio_file_path): """مدیریت کلیدهای جمینای برای تحلیل ویدیو""" keys_list = load_api_keys() if not keys_list: raise Exception("هیچ کلید API در سیستم ثبت نشده است. لطفاً تنظیمات Secret را بررسی کنید.") random.shuffle(keys_list) last_exception = None for i, api_key in enumerate(keys_list): try: logger.info(f"🔄 تلاش با کلید شماره {i+1} (انتهای کلید: ...{api_key[-4:]})") genai.configure(api_key=api_key) model = genai.GenerativeModel('gemini-2.5-flash') logger.info("📤 در حال آپلود فایل صوتی به سرور گوگل...") uploaded_file = genai.upload_file(audio_file_path) while uploaded_file.state.name == "PROCESSING": time.sleep(1) uploaded_file = genai.get_file(uploaded_file.name) if uploaded_file.state.name == "FAILED": raise Exception("Google failed to process audio file.") logger.info("🤖 فایل پردازش شد. در حال ارسال درخواست به جمینای...") response = model.generate_content( [prompt, uploaded_file], generation_config={"response_mime_type": "application/json"} ) try: genai.delete_file(uploaded_file.name) except: pass logger.info("✅ پاسخ با موفقیت از جمینای دریافت شد.") return json.loads(response.text) except Exception as e: logger.error(f"❌ خطا با کلید شماره {i+1}: {e}") last_exception = e continue logger.critical("⛔ تمام کلیدهای API با خطا مواجه شدند.") raise Exception(f"تمام کلیدهای API ناموفق بودند. آخرین خطا: {str(last_exception)}") # ========================================== # تابع ارتباط با اسپیس تغییر صدا (مدل اختصاصی) # ========================================== def process_voice_conversion(tts_audio_io, ref_audio_base64): try: tts_audio_io.seek(0) # دیکد کردن Base64 صدای رفرنس کاربر if "," in ref_audio_base64: ref_audio_base64 = ref_audio_base64.split(",")[1] ref_bytes = base64.b64decode(ref_audio_base64) files = { 'source_audio': ('source.wav', tts_audio_io, 'audio/wav'), 'ref_audio': ('ref.wav', io.BytesIO(ref_bytes), 'audio/wav') } # 1. آپلود فایل‌ها به سرویس VC logger.info(f"VC: Uploading to {VC_SPACE_URL}/upload") res = requests.post(f"{VC_SPACE_URL}/upload", files=files, timeout=120) if res.status_code != 200: raise Exception(f"VC Upload Failed: {res.text}") job_data = res.json() # 2. بررسی وضعیت پردازش (Polling تا ۸ دقیقه) for _ in range(120): time.sleep(4) chk = requests.post(f"{VC_SPACE_URL}/check_status", json=job_data, timeout=30) if chk.status_code == 200: stat = chk.json() if stat.get("status") == "completed": filename = stat.get("filename") # 3. دانلود فایل نهایی تغییر یافته dl = requests.get(f"{VC_SPACE_URL}/download/{filename}") if dl.status_code == 200: return io.BytesIO(dl.content) else: raise Exception("VC Download Failed") elif stat.get("status") == "failed": detail = stat.get("detail", "Unknown error") raise Exception(f"VC Remote Failed: {detail}") raise Exception("VC Timeout (Processing took too long)") except Exception as e: logger.error(f"VC Error: {e}") return None # ========================================== # تولید صدای اولیه (آسنکرون برای تحلیل اولیه) # ========================================== async def generate_audio_async(session, text, speaker, index): try: payload = {"text": text, "speaker": speaker, "temperature": 0.9} async with session.post(PODCAST_API_URL, json=payload, timeout=300) as resp: if resp.status == 200: audio_data = await resp.read() filename = f"seg_{uuid.uuid4()}.wav" path = os.path.join(TEMP_AUDIO_FOLDER, filename) with open(path, 'wb') as f: f.write(audio_data) return {"index": index, "status": "success", "file": filename} else: logger.error(f"Podcast API Error: {resp.status}") except Exception as e: logger.error(f"Error gen audio {index}: {e}") return {"index": index, "status": "failed"} async def batch_generate_audio(segments): sem = asyncio.Semaphore(20) async with aiohttp.ClientSession() as session: tasks = [] for i, seg in enumerate(segments): async def task_wrapper(s_idx, s_item): async with sem: return await generate_audio_async(session, s_item['text'], s_item['speaker_id'], s_idx) tasks.append(task_wrapper(i, seg)) return await asyncio.gather(*tasks) # ========================================== # مسیرهای (Routes) وب سرور # ========================================== @app.route('/') def index(): return render_template('index.html') @app.route('/static/') def serve_static(filename): return send_file(os.path.join('static', filename)) @app.route('/uploads/') def serve_uploads(filename): return send_file(os.path.join(UPLOAD_FOLDER, filename)) @app.route('/temp_audio/') def serve_audio(filename): return send_file(os.path.join(TEMP_AUDIO_FOLDER, filename)) @app.route('/api/analyze', methods=['POST']) def analyze_video(): video_file = request.files.get('video_file') target_lang = request.form.get('language', 'Persian') try: if video_file: logger.info("📥 دریافت فایل آپلودی...") filename = secure_filename(f"{uuid.uuid4()}_{video_file.filename}") video_path = os.path.join(UPLOAD_FOLDER, filename) video_file.save(video_path) else: return jsonify({"error": "No video provided"}), 400 logger.info("🎵 در حال استخراج صدا از ویدیو...") audio_path = extract_audio(video_path) prompt = f""" You are a Dubbing Director. {CAST_PROMPT} TASK: 1. Identify speakers in the audio. 2. Assign a Voice Actor ID from the list to each segment based on gender/tone. 3. Translate the dialogue to {target_lang}. 4. Return a JSON Array. Format: [ {{"start": 0.0, "end": 4.5, "speaker_id": "Charon", "text": "Translated text..."}}, ... ] """ script = generate_content_with_retry(prompt, audio_path) logger.info(f"🎙️ شروع تولید صدا برای {len(script)} قطعه...") results = asyncio.run(batch_generate_audio(script)) for res_item in results: idx = res_item['index'] if res_item['status'] == 'success': script[idx]['audio_file'] = res_item['file'] else: script[idx]['audio_file'] = None logger.info("✅ تحلیل و تولید اولیه تمام شد.") return jsonify({ "video_filename": os.path.basename(video_path), "script": script }) except Exception as e: logger.error(f"❌ خطای کلی سیستم: {str(e)}") return jsonify({"error": str(e)}), 500 @app.route('/api/regenerate_segment', methods=['POST']) def regenerate_segment(): data = request.get_json() text = data.get('text') speaker = data.get('speaker_id') ref_base64 = data.get('ref_audio_base64') is_custom = bool(str(speaker).startswith("custom_") and ref_base64) # اگر گوینده اختصاصی است، ابتدا با صدای پایه Charon درخواست می‌زنیم actual_speaker = "Charon" if is_custom else speaker try: logger.info(f"🎙️ در حال تولید صدای پایه برای: {actual_speaker}") resp = requests.post( PODCAST_API_URL, json={"text": text, "speaker": actual_speaker, "temperature": 0.9}, timeout=300 ) if resp.status_code == 200: audio_buffer = io.BytesIO(resp.content) # اگر کاربر صدای اختصاصی خواسته بود، خروجی به اسپیس VC فرستاده می‌شود if is_custom: logger.info("🔄 در حال ارتباط با اسپیس Voice Conversion (تغییر صدا)...") vc_buffer = process_voice_conversion(audio_buffer, ref_base64) if not vc_buffer: return jsonify({"error": "عملیات تغییر به صدای اختصاصی شکست خورد"}), 500 audio_buffer = vc_buffer # ذخیره فایل روی سرور filename = f"seg_{uuid.uuid4()}.wav" path = os.path.join(TEMP_AUDIO_FOLDER, filename) with open(path, 'wb') as f: f.write(audio_buffer.read()) return jsonify({"audio_file": filename}) else: return jsonify({"error": "شکست در تولید صدای پایه"}), 500 except Exception as e: logger.error(f"❌ خطا در جایگزینی قطعه: {str(e)}") return jsonify({"error": str(e)}), 500 @app.route('/api/render_final', methods=['POST']) def render_final(): data = request.get_json() video_filename = data.get('video_filename') script = data.get('script') video_path = os.path.join(UPLOAD_FOLDER, video_filename) if not os.path.exists(video_path): return jsonify({"error": "Video not found"}), 404 try: logger.info("🎬 شروع رندر نهایی ویدیو...") video_duration = get_video_duration(video_path) final_audio = AudioSegment.silent(duration=int(video_duration * 1000)) for seg in script: if not seg.get('audio_file'): continue seg_path = os.path.join(TEMP_AUDIO_FOLDER, seg['audio_file']) if not os.path.exists(seg_path): continue audio = AudioSegment.from_file(seg_path) target_dur_ms = (seg['end'] - seg['start']) * 1000 current_dur_ms = len(audio) if current_dur_ms > 0: speed = current_dur_ms / target_dur_ms speed = max(0.6, min(2.0, speed)) if abs(speed - 1.0) > 0.05: temp_out = seg_path.replace('.wav', '_speed.wav') atempo = f"atempo={speed}" if speed > 2.0: atempo = "atempo=2.0,atempo={}".format(speed/2) elif speed < 0.5: atempo = "atempo=0.5,atempo={}".format(speed/0.5) subprocess.run(['ffmpeg', '-y', '-i', seg_path, '-filter:a', atempo, temp_out], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL) if os.path.exists(temp_out): audio = AudioSegment.from_file(temp_out) start_ms = int(seg['start'] * 1000) final_audio = final_audio.overlay(audio, position=start_ms) final_mix_path = os.path.join(UPLOAD_FOLDER, f"mix_{uuid.uuid4()}.wav") final_audio.export(final_mix_path, format="wav") final_video_path = os.path.join(UPLOAD_FOLDER, f"dubbed_{uuid.uuid4()}.mp4") cmd = [ 'ffmpeg', '-y', '-i', video_path, '-i', final_mix_path, '-c:v', 'copy', '-c:a', 'aac', '-map', '0:v:0', '-map', '1:a:0', '-shortest', final_video_path ] subprocess.run(cmd, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL) logger.info("✅ رندر نهایی با موفقیت انجام شد.") return jsonify({"download_url": f"/uploads/{os.path.basename(final_video_path)}"}) except Exception as e: logger.error(f"❌ خطا در رندر نهایی: {str(e)}") return jsonify({"error": str(e)}), 500 if __name__ == '__main__': port = int(os.environ.get('PORT', 7860)) app.run(host='0.0.0.0', port=port)