Update main.py

main.py

@@ -18,7 +18,7 @@ app = Flask(__name__)
 
 @app.route('/')
 def home():
-    return "ربات یکپارچه آلفا (نسخه پرو + دانلود فایل ۱۰۰٪ تضمینی) روشن است! 🚀"
+    return "ربات یکپارچه آلفا (نسخه پرو + دانلود فایل ۱۰۰٪ تضمینی + چت چندرسانه‌ای) روشن است! 🚀"
 
 def run_flask():
     app.run(host="0.0.0.0", port=7860)
@@ -26,7 +26,7 @@ def run_flask():
 
 # --- ساختار کیبورد پایین صفحه (Chat Keypad) ---
 MAIN_KEYPAD_DICT = {
-    "rows": [
+    "rows":[
         {
             "buttons":[
                 {"id": "chat_btn", "type": "Simple", "button_text": "چت با هوش مصنوعی 🤖"}
@@ -158,9 +158,8 @@ async def helper_upload_file(client, chat_id, file_name, file_type="Image", capt
     abs_path = os.path.abspath(file_name)
     error_logs =[]
     
-    api_file_type = "Image" if file_type in ["photo", "Image", "image"] else "Voice" if file_type in["voice", "Voice", "audio"] else "File"
+    api_file_type = "Image" if file_type in["photo", "Image", "image"] else "Voice" if file_type in["voice", "Voice", "audio"] else "File"
     
-    # --- تلاش اول: ارسال مستقیم از طریق API خام روبیکا (بهترین کیفیت) ---
     try:
         url_request = f"https://botapi.rubika.ir/v3/{bot_token}/requestSendFile"
         url_send = f"https://botapi.rubika.ir/v3/{bot_token}/sendFile"
@@ -171,7 +170,6 @@ async def helper_upload_file(client, chat_id, file_name, file_type="Image", capt
                 
                 if req_data.get("status") == "OK":
                     data_dict = req_data.get("data", {})
-                    # دریافت آدرس آپلود و آیدی فایل
                     upload_url = data_dict.get("upload_url")
                     file_id = data_dict.get("id") or data_dict.get("file_id")
                     
@@ -207,7 +205,6 @@ async def helper_upload_file(client, chat_id, file_name, file_type="Image", capt
     except Exception as e:
         error_logs.append(f"Raw HTTP Error: {e}")
 
-    # --- تلاش دوم (پشتیبان تضمینی): استفاده از متد داخلی بدون آرگومان Caption ---
     try:
         if hasattr(client, "send_file"):
             await client.send_file(chat_id, abs_path)
@@ -220,7 +217,6 @@ async def helper_upload_file(client, chat_id, file_name, file_type="Image", capt
     return "\n".join(error_logs)
 
 
-# --- لیست تمام سرورهای تولید صدای شما ---
 WORKER_URLS =[
     "https://hamed744-ttspro.hf.space/generate",
     "https://hamed744-ttspro2.hf.space/generate",
@@ -249,8 +245,8 @@ SPEAKERS = {
 user_states = {}
 
 
-# --- ۱. پردازش چت متنی ---
-async def process_gemini(client, chat_id, prompt):
+# --- ۱. پردازش چت متنی و چندرسانه‌ای (ارتقا یافته) ---
+async def process_gemini(client, chat_id, prompt, file_bytes=None, file_name=None):
     if not GEMINI_KEYS:
         await send_with_keyboard(client, chat_id, "❌ کلیدهای API جیمینای تنظیم نشده‌اند.", False)
         return
@@ -259,10 +255,40 @@ async def process_gemini(client, chat_id, prompt):
     
     history = user_states[chat_id].get("history",[])
 
+    # آماده‌سازی بخش‌های پیام کاربر (متن + فایل در صورت وجود)
+    new_parts =[]
+    
+    if prompt:
+        new_parts.append({"text": prompt})
+    elif file_bytes:
+        new_parts.append({"text": "لطفاً این فایل را به دقت بررسی کن."})
+        
+    if file_bytes and file_name:
+        base64_data = base64.b64encode(file_bytes).decode('utf-8')
+        mime_type, _ = mimetypes.guess_type(file_name)
+        if not mime_type:
+            if file_name.endswith(('.jpg', '.jpeg')): mime_type = "image/jpeg"
+            elif file_name.endswith('.png'): mime_type = "image/png"
+            elif file_name.endswith('.pdf'): mime_type = "application/pdf"
+            elif file_name.endswith('.mp4'): mime_type = "video/mp4"
+            elif file_name.endswith('.mp3'): mime_type = "audio/mp3"
+            elif file_name.endswith(('.ogg', '.oga')): mime_type = "audio/ogg"
+            elif file_name.endswith('.wav'): mime_type = "audio/wav"
+            else: mime_type = "image/jpeg"
+            
+        new_parts.append({
+            "inlineData": {
+                "mimeType": mime_type,
+                "data": base64_data
+            }
+        })
+
+    # افزودن پیام جدید به سابقه
     if history and history[-1]["role"] == "user":
-        history[-1]["parts"][0]["text"] += "\n" + prompt
+        # اگر پیام قبلی هم از کاربر بود، پیام جدید (فایل یا متن) را به آن اضافه کن
+        history[-1]["parts"].extend(new_parts)
     else:
-        history.append({"role": "user", "parts":[{"text": prompt}]})
+        history.append({"role": "user", "parts": new_parts})
 
     # تغییر تاریخچه به ۴۰ مورد برای ذخیره کردن ۲۰ سوال و جواب (۲۰ پیام رفت و برگشت)
     if len(history) > 40:
@@ -279,7 +305,7 @@ async def process_gemini(client, chat_id, prompt):
             url = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent?key={key}"
             payload = {"contents": history, "generationConfig": {"temperature": 0.7, "maxOutputTokens": 8192}}
             try:
-                async with session.post(url, json=payload, timeout=45) as response:
+                async with session.post(url, json=payload, timeout=60) as response:
                     if response.status == 200:
                         data = await response.json()
                         try:
@@ -302,7 +328,7 @@ async def process_gemini(client, chat_id, prompt):
     if not final_answer:
         if history and history[-1]["role"] == "user":
             history.pop()
-        await send_with_keyboard(client, chat_id, "❌ متأسفانه پاسخی دریافت نشد. لطفاً دوباره تلاش کنید.", False)
+        await send_with_keyboard(client, chat_id, "❌ متأسفانه پاسخی دریافت نشد. (شاید سایز فایل بیش از حد مجاز بوده است)", False)
         return
 
     history.append({"role": "model", "parts":[{"text": final_answer}]})
@@ -378,7 +404,6 @@ async def process_image(client, chat_id, prompt):
         await asyncio.sleep(1)
         caption_text = "🎨 تصویر شما آماده شد!\n(مدل: Z-Image-Turbo)"
         
-        # آپلود مستقیم به سرور اصلی روبیکا
         upload_result = await helper_upload_file(client, chat_id, file_name, "Image", caption_text)
         
         if upload_result is not True:
@@ -428,7 +453,7 @@ async def process_tts(client, chat_id, user_text, speaker_id, speaker_name):
                 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])
+                    await client.delete_messages(chat_id,[msg_id])
         except Exception: pass
 
         if audio_bytes:
@@ -437,7 +462,6 @@ async def process_tts(client, chat_id, user_text, speaker_id, speaker_name):
             
             await asyncio.sleep(1)
             
-            # آپلود مستقیم به سرور اصلی روبیکا
             upload_result = await helper_upload_file(client, chat_id, file_name, "Voice", "✅ پردازش صدای شما انجام شد.")
             
             if upload_result is not True:
@@ -459,23 +483,20 @@ async def process_stt(client, chat_id, audio_bytes, file_name):
 
     proc_msg = await send_with_keyboard(client, chat_id, "📝 در حال گوش دادن و پیاده‌سازی متن توسط جیمینای... (لطفاً صبور باشید)", False)
     
-    # تبدیل مستقیم بایت‌های صوتی به Base64
     base64_data = base64.b64encode(audio_bytes).decode('utf-8')
     
-    # حدس زدن فرمت برای ارسال به جیمینای
     mime_type, _ = mimetypes.guess_type(file_name)
     if not mime_type:
         if file_name.endswith(('.ogg', '.oga')): mime_type = "audio/ogg"
         elif file_name.endswith('.wav'): mime_type = "audio/wav"
         elif file_name.endswith('.mp3'): mime_type = "audio/mp3"
         elif file_name.endswith('.mp4'): mime_type = "video/mp4"
-        else: mime_type = "audio/ogg" # فرمت پیش‌فرض و معمول برای ویس‌های روبیکا و تلگرام
+        else: mime_type = "audio/ogg" 
     
     keys_to_try = GEMINI_KEYS.copy()
     random.shuffle(keys_to_try)
     transcribed_text = None
     
-    # دستور متنی به جیمینای برای گرفتن دقیق‌ترین استخراج متن
     prompt = "لطفاً این فایل صوتی/تصویری را با دقت کامل گوش بده و صحبت‌های داخل آن را کلمه به کلمه به متن تبدیل کن. هیچ توضیح اضافه‌ای نده و فقط متن پیاده‌سازی شده را بفرست."
     
     async with aiohttp.ClientSession() as session:
@@ -510,7 +531,7 @@ async def process_stt(client, chat_id, audio_bytes, file_name):
         await send_with_keyboard(client, chat_id, f"❌ تبدیل فایل به متن ناموفق بود.\n(احتمالاً فرمت فایل پشتیبانی نمی‌شود یا فایل شما صوتی نیست)", True)
 
 
-# --- ۵. پردازش تحلیل هر نوع فایل با جیمینای ---
+# --- ۵. پردازش تحلیل فایل مستقل ---
 async def process_file_analysis(client, chat_id, file_bytes, file_name, prompt):
     if not GEMINI_KEYS:
         await send_with_keyboard(client, chat_id, "❌ کلیدهای API جیمینای تنظیم نشده‌اند.", False)
@@ -526,7 +547,7 @@ async def process_file_analysis(client, chat_id, file_bytes, file_name, prompt):
         elif file_name.endswith('.pdf'): mime_type = "application/pdf"
         elif file_name.endswith('.mp4'): mime_type = "video/mp4"
         elif file_name.endswith('.mp3'): mime_type = "audio/mp3"
-        elif file_name.endswith('.ogg'): mime_type = "audio/ogg"
+        elif file_name.endswith(('.ogg', '.oga')): mime_type = "audio/ogg"
         elif file_name.endswith('.wav'): mime_type = "audio/wav"
         else: mime_type = "image/jpeg"
     
@@ -611,7 +632,7 @@ else:
 
             if user_text_str in["/chat", "💬 چت", "چت با هوش مصنوعی 🤖"]:
                 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)
+                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💡 نکته: در همین بخش هم می‌توانید برای من عکس یا فایل ارسال کنید تا آن را بررسی کنم.\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
                 return
 
             if user_text_str in["/image", "🎨 عکس", "ساخت تصاویر با هوش مصنوعی🎨"]:
@@ -626,7 +647,7 @@ else:
 
             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, "file_name": None}
-                await send_with_keyboard(client, chat_id, "📁 شما وارد بخش **تحلیل فایل** شدید.\n\nلطفاً هر نوع فایلی (عکس، ویدیو، PDF، داکیومنت و...) را که می‌خواهید بررسی شود ارسال کنید:\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
+                await send_with_keyboard(client, chat_id, "📁 شما وارد بخش **تحلیل فایل اختصاصی** شدید.\n\nلطفاً هر نوع فایلی (عکس، ویدیو، PDF، داکیومنت و...) را که می‌خواهید بررسی شود ارسال کنید:\n\n(برای خروج دکمه «برگشت♻️» را بزنید)", True)
                 return
 
             if user_text_str in["/stt", "تبدیل فایل صوتی به متن 📝"]:
@@ -641,9 +662,19 @@ else:
                 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 ---
+            # --- مسیریابی و هندل کردن حالت چت (ارتقا یافته برای پشتیبانی از ارسال فایل) ---
             elif current_mode == "chat":
-                if user_text_str: asyncio.create_task(process_gemini(client, chat_id, user_text_str))
+                if is_file:
+                    await send_with_keyboard(client, chat_id, "📥 در حال دانلود فایل برای چت هوشمند...", False)
+                    try:
+                        file_bytes = await helper_download_file(client, msg_obj)
+                        # اگر کاربر همراه عکس کپشن نوشته باشد ارسال می‌شود، در غیر اینصورت ربات متوجه می‌شود فایل فرستاده
+                        asyncio.create_task(process_gemini(client, chat_id, user_text_str, file_bytes=file_bytes, file_name=file_name))
+                    except Exception as dl_err:
+                        err_trace = traceback.format_exc()
+                        await send_with_keyboard(client, chat_id, f"❌ خطا در دریافت فایل!\n\n🔴 لاگ برنامه‌نویس:\n`{err_trace[-300:]}`\n{str(dl_err)}", False)
+                elif user_text_str:
+                    asyncio.create_task(process_gemini(client, chat_id, user_text_str))
                 return
 
             elif current_mode == "image_waiting_for_text":
@@ -685,7 +716,6 @@ else:
                     await send_with_keyboard(client, chat_id, "❌ شماره نامعتبر است! لطفاً فقط یک عدد بین 1 تا 30 بفرستید.", False)
                 return
 
-            # --- بخش STT (صدا به متن) آپدیت شده ---
             elif current_mode == "stt_waiting_for_audio":
                 if not is_file:
                     await send_with_keyboard(client, chat_id, "⚠️ لطفاً یک فایل (ویس، آهنگ، ویدیو و...) ارسال کنید.", False)
@@ -695,14 +725,13 @@ else:
                 try:
                     audio_bytes = await helper_download_file(client, msg_obj)
                     user_states[chat_id]["mode"] = "stt_waiting_for_audio" 
-                    # انتقال نام فایل به تابع جیمینای برای تشخیص فرمت ویس
                     asyncio.create_task(process_stt(client, chat_id, audio_bytes, file_name))
                 except Exception as dl_err:
                     err_trace = traceback.format_exc()
                     await send_with_keyboard(client, chat_id, f"❌ خطا در دانلود فایل!\n\n🔴 لاگ برنامه‌نویس:\n`{err_trace[-300:]}`\n{str(dl_err)}", False)
                 return
 
-            # --- بخش تحلیل فایل ---
+            # --- بخش تحلیل فایل اختصاصی ---
             elif current_mode == "file_waiting_for_file":
                 if not is_file:
                     await send_with_keyboard(client, chat_id, "⚠️ لطفاً ابتدا یک فایل (تصویر، ویدیو، PDF و...) ارسال کنید.", False)