Update main.py

main.py

@@ -4,6 +4,7 @@ import random
 import aiohttp
 import traceback
 import asyncio
+import base64
 from flask import Flask
 from rubpy.bot import BotClient, filters
 
@@ -16,7 +17,7 @@ app = Flask(__name__)
 
 @app.route('/')
 def home():
-    return "ربات یکپارچه آلفا (نسخه دارای حافظه و چت خالص) روشن است! 🚀"
+    return "ربات یکپارچه آلفا (نسخه پرو با تحلیل فایل و STT) روشن است! 🚀"
 
 def run_flask():
     app.run(host="0.0.0.0", port=7860)
@@ -40,6 +41,16 @@ MAIN_KEYPAD_DICT = {
                 {"id": "tts_btn", "type": "Simple", "button_text": "تبدیل متن به صدا با هوش مصنوعی🎙️"}
             ]
         },
+        {
+            "buttons": [
+                {"id": "file_btn", "type": "Simple", "button_text": "تحلیل فایل با هوش مصنوعی 📁"}
+            ]
+        },
+        {
+            "buttons": [
+                {"id": "stt_btn", "type": "Simple", "button_text": "تبدیل فایل صوتی به متن 📝"}
+            ]
+        },
         {
             "buttons": [
                 {"id": "cancel_btn", "type": "Simple", "button_text": "برگشت♻️"}
@@ -54,8 +65,8 @@ MAIN_KEYPAD_DICT = {
 async def send_with_keyboard(client, chat_id, text, use_keyboard=True):
     if not use_keyboard:
         # ارسال پیام متنی خالص بدون دستکاری کیبورد
-        await client.send_message(chat_id, text)
-        return
+        msg = await client.send_message(chat_id, text)
+        return msg
 
     # ارسال تهاجمی: دور زدن محدودیت‌های rubpy
     try:
@@ -65,17 +76,18 @@ async def send_with_keyboard(client, chat_id, text, use_keyboard=True):
             "chat_keypad_type": "New",
             "chat_keypad": MAIN_KEYPAD_DICT
         }
-        await client._make_request("sendMessage", payload)
-        return
+        msg = await client._make_request("sendMessage", payload)
+        return msg
     except Exception as raw_api_err:
         try:
-            await client.send_message(chat_id, text, chat_keypad=MAIN_KEYPAD_DICT, chat_keypad_type="New")
-            return
+            msg = await client.send_message(chat_id, text, chat_keypad=MAIN_KEYPAD_DICT, chat_keypad_type="New")
+            return msg
         except Exception as standard_err:
             pass
 
     # اگر تمامی روش‌ها شکست خورد، فقط پیام ارسال شود
-    await client.send_message(chat_id, text)
+    msg = await client.send_message(chat_id, text)
+    return msg
 
 
 # --- لیست تمام سرورهای تولید صدای شما ---
@@ -114,25 +126,25 @@ HF_TOKENS = [k.strip() for k in HF_TOKENS_STR.split(",") if k.strip()]
 user_states = {}
 
 
-# --- ۱. پردازش چت متنی در پس‌زمینه (با سیستم حافظه و بدون پیام اضافه) ---
+# --- ۱. پردازش چت متنی در پس‌زمینه (با حذف پیام پردازش) ---
 async def process_gemini(client, chat_id, prompt):
     if not GEMINI_KEYS:
         await send_with_keyboard(client, chat_id, "❌ کلیدهای API جیمینای تنظیم نشده‌اند.", False)
         return
 
+    # ارسال پیام موقت "در حال پردازش..."
+    proc_msg = await send_with_keyboard(client, chat_id, "🧠 در حال پردازش...", False)
+    
     # استخراج تاریخچه مکالمات کاربر
     history = user_states[chat_id].get("history", [])
 
-    # اطمینان از ساختار استاندارد جیمینای (جلوگیری از ارور ارسال دو پیام پشت سر هم توسط کاربر)
     if history and history[-1]["role"] == "user":
         history[-1]["parts"][0]["text"] += "\n" + prompt
     else:
         history.append({"role": "user", "parts": [{"text": prompt}]})
 
-    # نگه داشتن فقط 10 پیام آخر (برای جلوگیری از سنگین شدن درخواست و تایم‌اوت)
     if len(history) > 10:
         history = history[-10:]
-        # جیمینای همیشه باید با پیام user شروع کند
         if history[0]["role"] == "model":
             history = history[1:]
 
@@ -143,7 +155,6 @@ async def process_gemini(client, chat_id, prompt):
     async with aiohttp.ClientSession() as session:
         for key in keys_to_try:
             url = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent?key={key}"
-            # ارسال تاریخچه به جای یک پیام تکی
             payload = {"contents": history, "generationConfig": {"temperature": 0.7, "maxOutputTokens": 8192}}
             try:
                 async with session.post(url, json=payload, timeout=45) as response:
@@ -159,18 +170,26 @@ async def process_gemini(client, chat_id, prompt):
             except Exception as e:
                 continue
     
+    # 🔴 پاک کردن پیام موقت "در حال پردازش..."
+    try:
+        if proc_msg:
+            msg_id = getattr(proc_msg, 'message_id', None)
+            if isinstance(proc_msg, dict):
+                msg_id = proc_msg.get('message_update', {}).get('message_id') or proc_msg.get('message_id')
+            if msg_id:
+                await client.delete_messages(chat_id, [msg_id])
+    except Exception as e:
+        print(f"Failed to delete processing msg: {e}")
+
     if not final_answer:
-        # اگر پاسخ نگرفتیم، پیام آخر کاربر را از حافظه پاک می‌کنیم تا خراب نشود
         if history and history[-1]["role"] == "user":
             history.pop()
         await send_with_keyboard(client, chat_id, "❌ متأسفانه در حال حاضر پاسخی دریافت نشد. لطفاً دوباره تلاش کنید.", False)
         return
 
-    # ذخیره پاسخ هوش مصنوعی در حافظه
     history.append({"role": "model", "parts": [{"text": final_answer}]})
     user_states[chat_id]["history"] = history
 
-    # تکه‌تکه کردن متن‌های طولانی برای ارسال در روبیکا
     try:
         max_len = 1000 
         chunks = []
@@ -194,7 +213,6 @@ async def process_gemini(client, chat_id, prompt):
                 chunk += "\n\n⏳ *(ادامه در پیام بعدی)...* 👇"
                 
             try:
-                # ارسال خالص پیام بدون درخواست نمایش مجدد کیبورد
                 await send_with_keyboard(client, chat_id, chunk, False)
                 await asyncio.sleep(2.5) 
             except Exception as send_err:
@@ -207,10 +225,10 @@ async def process_gemini(client, chat_id, prompt):
 # --- ۲. پردازش ساخت عکس در پس‌زمینه ---
 async def process_image(client, chat_id, prompt):
     if not HF_TOKENS:
-        await send_with_keyboard(client, chat_id, "❌ توکن‌های هاگینگ فیس (HF_TOKENS) در تنظیمات سرور ثبت نشده‌اند.", False)
+        await send_with_keyboard(client, chat_id, "❌ توکن‌های هاگینگ فیس تنظیم نشده‌اند.", False)
         return
 
-    await send_with_keyboard(client, chat_id, "🎨 در حال طراحی عکس...\n(ممکن است چند ثانیه زمان ببرد)", False)
+    proc_msg = await send_with_keyboard(client, chat_id, "🎨 در حال طراحی عکس...\n(ممکن است چند ثانیه زمان ببرد)", False)
     
     keys_to_try = HF_TOKENS.copy()
     random.shuffle(keys_to_try)
@@ -227,9 +245,18 @@ async def process_image(client, chat_id, prompt):
             last_error_log = str(e)
             continue
             
+    # پاک کردن پیام موقت
+    try:
+        if proc_msg:
+            msg_id = getattr(proc_msg, 'message_id', None)
+            if isinstance(proc_msg, dict):
+                msg_id = proc_msg.get('message_update', {}).get('message_id') or proc_msg.get('message_id')
+            if msg_id:
+                await client.delete_messages(chat_id, [msg_id])
+    except Exception: pass
+
     if not generated_image:
-        error_msg = f"❌ متأسفانه عکس ساخته نشد.\n\n⚠️ خطای توکن‌ها:\n{last_error_log[:200]}"
-        await send_with_keyboard(client, chat_id, error_msg, False)
+        await send_with_keyboard(client, chat_id, f"❌ عکس ساخته نشد.\n\n⚠️ خطا:\n{last_error_log[:200]}", True)
         return
 
     try:
@@ -241,53 +268,31 @@ async def process_image(client, chat_id, prompt):
         caption_text = "🎨 تصویر شما آماده شد!\n(مدل: Z-Image-Turbo)"
         
         uploaded_directly = False
-        error_logs = []
-        
         try:
             await client.send_photo(chat_id, file_name)
             uploaded_directly = True
-        except Exception as e1:
-            error_logs.append(f"send_photo: {e1}")
-
-        if not uploaded_directly:
-            try:
-                await client.send_image(chat_id, file_name)
-                uploaded_directly = True
-            except Exception as e2:
-                error_logs.append(f"send_image: {e2}")
-
-        if not uploaded_directly:
+        except Exception:
             try:
                 await client.send_document(chat_id, file_name)
                 uploaded_directly = True
-            except Exception as e3:
-                error_logs.append(f"send_document: {e3}")
-                
-        if not uploaded_directly:
-            try:
-                await client.send_file(chat_id, file_name)
-                uploaded_directly = True
-            except Exception as e4:
-                error_logs.append(f"send_file: {e4}")
+            except Exception: pass
 
         if uploaded_directly:
-            await send_with_keyboard(client, chat_id, caption_text, False)
+            await send_with_keyboard(client, chat_id, caption_text, True)
         else:
-            err_details = " | ".join(error_logs)
-            err_msg = f"❌ تصویر ساخته شد اما روبیکا اجازه آپلود نداد!\n\n🔴 لاگ خطای واقعی:\n`{err_details[:800]}`"
-            await send_with_keyboard(client, chat_id, err_msg, False)
+            await send_with_keyboard(client, chat_id, "❌ تصویر ساخته شد اما روبیکا اجازه آپلود نداد!", True)
         
         if os.path.exists(file_name):
             os.remove(file_name)
             
     except Exception as e:
-        await send_with_keyboard(client, chat_id, "❌ خطایی در فرآیند ذخیره عکس رخ داد.", False)
+        await send_with_keyboard(client, chat_id, "❌ خطایی در فرآیند ذخیره عکس رخ داد.", True)
 
 
 # --- ۳. پردازش ساخت صدا در پس‌زمینه (TTS) ---
 async def process_tts(client, chat_id, user_text, speaker_id, speaker_name):
     try:
-        await send_with_keyboard(client, chat_id, f"⏳ در حال ساخت صدا با «{speaker_name}»...\n(بسته به طول متن ممکن است چند دقیقه طول بکشد، صبور باشید)", False)
+        proc_msg = await send_with_keyboard(client, chat_id, f"⏳ در حال ساخت صدا با «{speaker_name}»...\n(لطفاً صبور باشید)", False)
 
         payload = {"text": user_text, "speaker": speaker_id, "temperature": 1.5, "prompt": "", "use_live_model": True}
         headers = {"User-Agent": "Mozilla/5.0", "Content-Type": "application/json"}
@@ -319,6 +324,16 @@ async def process_tts(client, chat_id, user_text, speaker_id, speaker_name):
                     last_error = f"خطا در ارتباط: {str(e)}"
                     continue
 
+        # پاک کردن پیام موقت
+        try:
+            if proc_msg:
+                msg_id = getattr(proc_msg, 'message_id', None)
+                if isinstance(proc_msg, dict):
+                    msg_id = proc_msg.get('message_update', {}).get('message_id') or proc_msg.get('message_id')
+                if msg_id:
+                    await client.delete_messages(chat_id, [msg_id])
+        except Exception: pass
+
         if audio_bytes:
             file_name = f"audio_{random.randint(1000, 999999)}.wav"
             with open(file_name, "wb") as f:
@@ -326,43 +341,128 @@ async def process_tts(client, chat_id, user_text, speaker_id, speaker_name):
             
             caption_text = "✅ پردازش صدا انجام شد."
             uploaded_directly = False
-            error_logs = []
             
             try:
                 await client.send_voice(chat_id, file_name)
                 uploaded_directly = True
-            except Exception as e1:
-                error_logs.append(f"send_voice: {e1}")
-
-            if not uploaded_directly:
+            except Exception:
                 try:
                     await client.send_audio(chat_id, file_name)
                     uploaded_directly = True
-                except Exception as e2:
-                    error_logs.append(f"send_audio: {e2}")
-
-            if not uploaded_directly:
-                try:
-                    await client.send_document(chat_id, file_name)
-                    uploaded_directly = True
-                except Exception as e3:
-                    error_logs.append(f"send_document: {e3}")
+                except Exception: pass
             
             if uploaded_directly:
-                await send_with_keyboard(client, chat_id, caption_text, False)
+                await send_with_keyboard(client, chat_id, caption_text, True)
             else:
-                err_details = " | ".join(error_logs)
-                await send_with_keyboard(client, chat_id, f"❌ صدا ساخته شد اما روبیکا اجازه آپلود نداد!\n\n🔴 لاگ خطا:\n`{err_details[:700]}`", False)
+                await send_with_keyboard(client, chat_id, f"❌ صدا ساخته شد اما روبیکا اجازه آپلود نداد!\n\n🔴 دلیل: {last_error}", True)
             
             if os.path.exists(file_name):
                 os.remove(file_name)
         else:
-            await send_with_keyboard(client, chat_id, f"❌ سرورها درگیر هستند.\nدلیل: {last_error}", False)
+            await send_with_keyboard(client, chat_id, f"❌ سرورها درگیر هستند.\nدلیل: {last_error}", True)
 
     except Exception as e:
         traceback.print_exc()
 
 
+# --- ۴. پردازش تبدیل فایل صوتی به متن (STT) ---
+async def process_stt(client, chat_id, audio_bytes):
+    if not HF_TOKENS:
+        await send_with_keyboard(client, chat_id, "❌ توکن‌های هاگینگ فیس تنظیم نشده‌اند.", False)
+        return
+
+    proc_msg = await send_with_keyboard(client, chat_id, "📝 در حال گوش دادن و پیاده‌سازی متن... (لطفاً صبور باشید)", False)
+    
+    keys_to_try = HF_TOKENS.copy()
+    random.shuffle(keys_to_try)
+    
+    transcribed_text = None
+    last_error_log = "ناموفق"
+    
+    for token in keys_to_try:
+        try:
+            # استفاده از مدل قدرتمند ویسپر برای تبدیل صدا به متن (پشتیبانی عالی از فارسی)
+            hf_client = AsyncInferenceClient(provider="hf-inference", api_key=token)
+            response = await hf_client.automatic_speech_recognition(audio_bytes, model="openai/whisper-large-v3-turbo")
+            transcribed_text = response.text
+            break 
+        except Exception as e:
+            last_error_log = str(e)
+            continue
+
+    # پاک کردن پیام موقت
+    try:
+        if proc_msg:
+            msg_id = getattr(proc_msg, 'message_id', None)
+            if isinstance(proc_msg, dict):
+                msg_id = proc_msg.get('message_update', {}).get('message_id') or proc_msg.get('message_id')
+            if msg_id:
+                await client.delete_messages(chat_id, [msg_id])
+    except Exception: pass
+
+    if transcribed_text:
+        await send_with_keyboard(client, chat_id, f"📝 **متن استخراج شده:**\n\n{transcribed_text}", True)
+    else:
+        await send_with_keyboard(client, chat_id, f"❌ متأسفانه تبدیل صدا به متن ناموفق بود.\n\n⚠️ دلیل: {last_error_log[:150]}", True)
+
+
+# --- ۵. پردازش تحلیل فایل (عکس) با جیمینای ---
+async def process_file_analysis(client, chat_id, file_bytes, prompt):
+    if not GEMINI_KEYS:
+        await send_with_keyboard(client, chat_id, "❌ کلیدهای API جیمینای تنظیم نشده‌اند.", False)
+        return
+
+    proc_msg = await send_with_keyboard(client, chat_id, "👁️ در حال تحلیل و بررسی فایل...", False)
+    
+    # تبدیل فایل به base64 برای ارسال به جیمینای
+    base64_data = base64.b64encode(file_bytes).decode('utf-8')
+    
+    keys_to_try = GEMINI_KEYS.copy()
+    random.shuffle(keys_to_try)
+    final_answer = None
+    
+    async with aiohttp.ClientSession() as session:
+        for key in keys_to_try:
+            url = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent?key={key}"
+            payload = {
+                "contents": [{
+                    "parts": [
+                        {"text": prompt},
+                        {"inlineData": {"mimeType": "image/jpeg", "data": base64_data}}
+                    ]
+                }],
+                "generationConfig": {"temperature": 0.6, "maxOutputTokens": 8192}
+            }
+            try:
+                async with session.post(url, json=payload, timeout=45) as response:
+                    if response.status == 200:
+                        data = await response.json()
+                        try:
+                            final_answer = data["candidates"][0]["content"]["parts"][0]["text"]
+                            break
+                        except (KeyError, IndexError):
+                            continue 
+                    else:
+                        continue 
+            except Exception as e:
+                continue
+
+    # پاک کردن پیام موقت
+    try:
+        if proc_msg:
+            msg_id = getattr(proc_msg, 'message_id', None)
+            if isinstance(proc_msg, dict):
+                msg_id = proc_msg.get('message_update', {}).get('message_id') or proc_msg.get('message_id')
+            if msg_id:
+                await client.delete_messages(chat_id, [msg_id])
+    except Exception: pass
+
+    if final_answer:
+        await send_with_keyboard(client, chat_id, f"💡 **نتیجه تحلیل:**\n\n{final_answer}", True)
+    else:
+        await send_with_keyboard(client, chat_id, "❌ متأسفانه در حال حاضر پاسخی برای این فایل دریافت نشد.", True)
+
+
 # --- تنظیمات ربات روبیکا ---
 bot_token = os.environ.get("RUBIKA_AUTH", "").strip()
 
@@ -374,32 +474,35 @@ else:
     @bot.on_update(filters.private)
     async def main_handler(client, update):
         try:
+            # استخراج اطلاعات پیام
             user_text = getattr(update, "text", "") or getattr(getattr(update, "message", None), "text", "") or getattr(getattr(update, "new_message", None), "text", "")
             user_text_str = str(user_text).strip() if user_text else ""
-
-            if not user_text_str: 
-                return
+            
+            # بررسی وجود فایل پیوست در پیام
+            is_file = False
+            msg_obj = getattr(update, "message", None) or getattr(update, "new_message", None)
+            if msg_obj:
+                if getattr(msg_obj, "file_inline", None) or getattr(msg_obj, "photo", None) or getattr(msg_obj, "voice", None) or getattr(msg_obj, "audio", None) or getattr(msg_obj, "document", None):
+                    is_file = True
 
             chat_id = getattr(update, "chat_id", None) or getattr(update, "author_guid", None) or getattr(update, "object_guid", None)
             if not chat_id: 
                 return
 
             if chat_id not in user_states:
-                # مقداردهی اولیه سیستم حافظه برای کار��ر
-                user_states[chat_id] = {"mode": None, "text": "", "history": []}
+                user_states[chat_id] = {"mode": None, "text": "", "history": [], "file_bytes": None}
 
-            # لغو عملیات و پاک کردن کامل حافظه
+            # مدیریت کامندهای لغو/شروع از دکمه‌ها یا چت
             if user_text_str in ["/start", "سلام", "لغو", "/cancel", "❌ لغو", "برگشت♻️"]:
-                user_states[chat_id] = {"mode": None, "text": "", "history": []}
+                user_states[chat_id] = {"mode": None, "text": "", "history": [], "file_bytes": None}
                 menu = (
                     "سلام! به ربات هوشمند آلفا خوش آمدید 🤖\n\n"
-                    "لطفاً برای شروع، از کیبورد پایین یکی از بخش‌ها را انتخاب کنید:\n"
+                    "لطفاً برای شروع، از کیبورد پایین یکی از بخش‌ها را انتخاب کنید:"
                 )
                 await send_with_keyboard(client, chat_id, menu, True)
                 return
 
             if user_text_str in ["/chat", "💬 چت", "چت با هوش مصنوعی 🤖"]:
-                # شروع چت و پاک کردن تاریخچه قبلی
                 user_states[chat_id] = {"mode": "chat", "text": "", "history": []}
                 await send_with_keyboard(client, chat_id, "💬 شما وارد بخش **چت با هوش مصنوعی** شدید.\n(حالا ربات سابقه گفتگو را به یاد می‌آورد)\n\nهر سوالی دارید بفرستید تا جواب بدم:\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
                 return
@@ -414,29 +517,46 @@ else:
                 await send_with_keyboard(client, chat_id, "🎙️ شما وارد بخش **تبدیل متن به صدا** شدید.\n\nلطفاً متنی که می‌خواهید به صدا تبدیل شود را ارسال کنید (حداکثر 2500 کاراکتر):\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
                 return
 
+            if user_text_str in ["/file", "تحلیل فایل با هوش مصنوعی 📁"]:
+                user_states[chat_id] = {"mode": "file_waiting_for_file", "text": "", "history": [], "file_bytes": None}
+                await send_with_keyboard(client, chat_id, "📁 شما وارد بخش **تحلیل فایل** شدید.\n\nلطفاً فایل (ترجیحاً عکس) خود را ارسال کنید:\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
+                return
+
+            if user_text_str in ["/stt", "تبدیل فایل صوتی به متن 📝"]:
+                user_states[chat_id] = {"mode": "stt_waiting_for_audio", "text": "", "history": []}
+                await send_with_keyboard(client, chat_id, "📝 شما وارد بخش **تبدیل صدا به متن** شدید.\n\nلطفاً فایل صوتی (آهنگ یا ویس) خود را فوروارد یا ارسال کنید:\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
+                return
+
             current_mode = user_states[chat_id].get("mode")
 
             if current_mode is None:
-                await send_with_keyboard(client, chat_id, "⚠️ لطفاً ابتدا از کیبورد پایین، بخش مورد نظرتان را انتخاب کنید:", True)
+                if is_file:
+                    pass # اگر حالت مشخص نیست فایل را نادیده بگیر
+                elif user_text_str:
+                    await send_with_keyboard(client, chat_id, "⚠️ لطفاً ابتدا از کیبورد پایین، بخش مورد نظرتان را انتخاب کنید:", True)
                 return
 
+            # --- مسیریابی بخش‌های مختلف ---
             elif current_mode == "chat":
-                asyncio.create_task(process_gemini(client, chat_id, user_text_str))
+                if user_text_str:
+                    asyncio.create_task(process_gemini(client, chat_id, user_text_str))
                 return
 
             elif current_mode == "image_waiting_for_text":
-                asyncio.create_task(process_image(client, chat_id, user_text_str))
+                if user_text_str:
+                    asyncio.create_task(process_image(client, chat_id, user_text_str))
                 return
 
             elif current_mode == "tts_waiting_for_text":
-                if len(user_text_str) > 2500:
-                    await send_with_keyboard(client, chat_id, "⚠️ متن طولانی است. لطفاً متنی کوتاه‌تر از 2500 کاراکتر بفرستید.", False)
-                    return
-                
-                user_states[chat_id]["text"] = user_text_str
-                user_states[chat_id]["mode"] = "tts_waiting_for_speaker"
-                
-                speakers_menu = """✅ متن شما ذخیره شد.
+                if user_text_str:
+                    if len(user_text_str) > 2500:
+                        await send_with_keyboard(client, chat_id, "⚠️ متن طولانی است. لطفاً متنی کوتاه‌تر از 2500 کاراکتر بفرستید.", False)
+                        return
+                    
+                    user_states[chat_id]["text"] = user_text_str
+                    user_states[chat_id]["mode"] = "tts_waiting_for_speaker"
+                    
+                    speakers_menu = """✅ متن شما ذخیره شد.
 لطفاً **شماره** گوینده مورد نظر خود را بفرستید:
 
 1. شهاب | 2. آوا | 3. نوید
@@ -449,22 +569,61 @@ else:
 22. ترانه | 23. نیکو | 24. هستی
 25. کامیار| 26. کیانوش| 27. پویا
 28. مهتاب | 29. سام | 30. لیدا"""
-                await send_with_keyboard(client, chat_id, speakers_menu, False)
+                    await send_with_keyboard(client, chat_id, speakers_menu, False)
                 return
 
             elif current_mode == "tts_waiting_for_speaker":
                 if user_text_str.isdigit() and user_text_str in SPEAKERS:
                     speaker_name, speaker_id = SPEAKERS[user_text_str]
                     saved_text = user_states[chat_id]["text"]
-                    
                     user_states[chat_id]["mode"] = "tts_waiting_for_text"
                     user_states[chat_id]["text"] = ""
-                    
                     asyncio.create_task(process_tts(client, chat_id, saved_text, speaker_id, speaker_name))
                 else:
                     await send_with_keyboard(client, chat_id, "❌ شماره نامعتبر است! لطفاً فقط یک عدد بین 1 تا 30 بفرستید.", False)
                 return
 
+            # --- بخش جدید: STT (تبدیل صدا به متن) ---
+            elif current_mode == "stt_waiting_for_audio":
+                if not is_file:
+                    await send_with_keyboard(client, chat_id, "⚠️ لطفاً فقط یک فایل صوتی (ویس یا موزیک) ارسال کنید.", False)
+                    return
+                
+                await send_with_keyboard(client, chat_id, "📥 در حال دانلود فایل صوتی...", False)
+                try:
+                    audio_bytes = await client.download(msg_obj)
+                    user_states[chat_id]["mode"] = "stt_waiting_for_audio" # آماده برای فایل بعدی
+                    asyncio.create_task(process_stt(client, chat_id, audio_bytes))
+                except Exception as e:
+                    await send_with_keyboard(client, chat_id, f"❌ خطا در دانلود فایل! لطفاً دوباره تلاش کنید.", False)
+                return
+
+            # --- بخش جدید: تحلیل فایل با هوش مصنوعی ---
+            elif current_mode == "file_waiting_for_file":
+                if not is_file:
+                    await send_with_keyboard(client, chat_id, "⚠️ لطفاً ابتدا یک عکس/فایل ارسال کنید.", False)
+                    return
+                
+                await send_with_keyboard(client, chat_id, "📥 در حال دریافت فایل...", False)
+                try:
+                    file_bytes = await client.download(msg_obj)
+                    user_states[chat_id]["file_bytes"] = file_bytes
+                    user_states[chat_id]["mode"] = "file_waiting_for_prompt"
+                    await send_with_keyboard(client, chat_id, "✅ فایل با موفقیت دریافت شد.\n\nحالا لطفاً بگویید **چگونه تحلیل شود؟** (مثلاً: متن داخل این عکس را استخراج کن، یا بگو در این عکس چیست؟)", False)
+                except Exception as e:
+                    await send_with_keyboard(client, chat_id, f"❌ خطا در دریافت فایل! لطفاً دوباره تلاش کنید.", False)
+                return
+
+            elif current_mode == "file_waiting_for_prompt":
+                if user_text_str:
+                    saved_bytes = user_states[chat_id].get("file_bytes")
+                    user_states[chat_id]["mode"] = "file_waiting_for_file" # آماده برای فایل بعدی
+                    user_states[chat_id]["file_bytes"] = None
+                    asyncio.create_task(process_file_analysis(client, chat_id, saved_bytes, user_text_str))
+                else:
+                    await send_with_keyboard(client, chat_id, "⚠️ لطفاً درخواست خود را به صورت متنی بنویسید.", False)
+                return
+
         except Exception as e:
             traceback.print_exc()