Update app.py

app.py

@@ -32,8 +32,6 @@ def _log(message):
 if NUM_API_KEYS == 0:
   _log("⛔️ خطای حیاتی: هیچ Secret با نام GEMINI_API_KEY_n یافت نشد!")
   _log("   لطفاً Secret ها را مانند GEMINI_API_KEY_1, GEMINI_API_KEY_2, ... در تنظیمات Space خود اضافه کنید.")
-  # در یک محیط واقعی، ممکن است بخواهید اینجا برنامه را متوقف کنید
-  # exit(1)
 else:
   _log(f"✅ تعداد {NUM_API_KEYS} کلید API جیمینای بارگذاری شد.")
 
@@ -41,12 +39,11 @@ def get_next_api_key():
   global CURRENT_KEY_INDEX
   if NUM_API_KEYS == 0:
     _log("⚠️ تلاش برای گرفتن کلید API در حالی که هیچ کلیدی بارگذاری نشده است.")
-    return None
+    return None, -1
   
   key_to_use = GEMINI_API_KEYS[CURRENT_KEY_INDEX % NUM_API_KEYS]
   key_display_index = (CURRENT_KEY_INDEX % NUM_API_KEYS) + 1
   CURRENT_KEY_INDEX += 1
-  # _log(f"🔑 استفاده از کلید API شماره {key_display_index} (اندیس: {CURRENT_KEY_INDEX-1})") # لاگ دقیق‌تر برای دیباگ
   return key_to_use, key_display_index
 # --- END: منطق چرخش API Key ---
 
@@ -65,7 +62,6 @@ DEFAULT_OUTPUT_FILENAME_BASE = "alpha_tts_audio"
 def save_binary_file(file_name, data):
     try:
         with open(file_name, "wb") as f: f.write(data)
-        # _log(f"💾 فایل ذخیره شد: {file_name}") # لاگ کمتر
         return file_name
     except Exception as e:
         _log(f"❌ خطا در ذخیره فایل {file_name}: {e}")
@@ -95,31 +91,52 @@ def parse_audio_mime_type(mime_type: str) -> dict[str, int]:
 def smart_text_split(text, max_size=3800):
     if len(text) <= max_size: return [text]
     chunks, current_chunk = [], ""
-    sentences = re.split(r'(?<=[.!?؟])\s+', text)
+    # بهبود regex برای پشتیبانی بهتر از نقطه ویرگول فارسی و انگلیسی و سایر علائم
+    sentences = re.split(r'(?<=[.!?؟؛;])\s+', text) 
     for sentence in sentences:
-        if len(current_chunk) + len(sentence) + 1 > max_size:
+        if len(current_chunk) + len(sentence) + 1 > max_size: # +1 for space
             if current_chunk: chunks.append(current_chunk.strip())
             current_chunk = sentence
+            # اگر یک جمله به تنهایی بزرگتر از max_size باشد، آن را بیشتر خرد کن
             while len(current_chunk) > max_size:
-                split_idx = next((i for i in range(max_size - 1, max_size // 2, -1) if current_chunk[i] in ['،', ',', ';', ':', ' ']), -1)
-                part, current_chunk = (current_chunk[:split_idx+1], current_chunk[split_idx+1:]) if split_idx != -1 else (current_chunk[:max_size], current_chunk[max_size:])
-                chunks.append(part.strip())
-        else: current_chunk += (" " if current_chunk else "") + sentence
+                # تلاش برای شکستن از روی کاما، نقطه ویرگول، یا فاصله در محدوده‌ی معقول
+                split_idx = -1
+                # ابتدا سعی کن نزدیک به انتها بشکنی
+                for i in range(max_size - 1, int(max_size * 0.6), -1): # تا 60% طول ماکسیمم به عقب برو
+                    if current_chunk[i] in ['،', ',', '؛', ';', ':', ' ']:
+                        split_idx = i
+                        break
+                
+                part_to_add = ""
+                if split_idx != -1:
+                    part_to_add = current_chunk[:split_idx+1]
+                    current_chunk = current_chunk[split_idx+1:]
+                else: # اگر نقطه مناسبی پیدا نشد، به زور بشکن
+                    part_to_add = current_chunk[:max_size]
+                    current_chunk = current_chunk[max_size:]
+                chunks.append(part_to_add.strip())
+        else:
+            if current_chunk and sentence: # اضافه کردن فاصله فقط اگر هر دو وجود دارند
+                current_chunk += " " + sentence
+            else: # اگر یکی از آنها خالی است، بدون فاصله اضافه کن
+                current_chunk += sentence
     if current_chunk: chunks.append(current_chunk.strip())
-    final_chunks = [c for c in chunks if c]
-    # _log(f"📊 متن به {len(final_chunks)} قطعه تقسیم شد.") # لاگ کمتر
+    final_chunks = [c for c in chunks if c] # حذف قطعات خالی
     return final_chunks
 
 def merge_audio_files_func(file_paths, output_path):
     if not PYDUB_AVAILABLE: _log("⚠️ pydub برای ادغام در دسترس نیست."); return False
     try:
-        # _log(f"🔗 ادغام {len(file_paths)} فایل صوتی...") # لاگ کمتر
         combined = AudioSegment.empty()
         for i, fp in enumerate(file_paths):
-            if os.path.exists(fp): combined += AudioSegment.from_file(fp) + (AudioSegment.silent(duration=150) if i < len(file_paths) - 1 else AudioSegment.empty())
+            if os.path.exists(fp): 
+                segment = AudioSegment.from_file(fp)
+                combined += segment
+                # اضافه کردن سکوت کوتاه بین قطعات، مگر اینکه آخرین قطعه باشد
+                if i < len(file_paths) - 1:
+                    combined += AudioSegment.silent(duration=150) # 150 میلی‌ثانیه سکوت
             else: _log(f"⚠️ فایل برای ادغام پیدا نشد: {fp}")
         combined.export(output_path, format="wav")
-        # _log(f"✅ فایل ادغام شده: {output_path}") # لاگ کمتر
         return True
     except Exception as e: _log(f"❌ خطا در ادغام فایل‌های صوتی: {e}"); return False
 
@@ -154,8 +171,15 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
     
     generated_files = []
     for i, chunk in enumerate(text_chunks):
-        # _log(f"🔊 پردازش قطعه {i+1}/{len(text_chunks)}...") # لاگ کمتر
-        final_text = f'"{prompt_input}"\n{chunk}' if prompt_input and prompt_input.strip() else chunk
+        final_text = ""
+        if prompt_input and prompt_input.strip():
+            # --- تغییر کلیدی برای مشکل خواندن پرامپت ---
+            # به جای: final_text = f'"{prompt_input.strip()}"\n{chunk}'
+            # از پرانتز استفاده می‌کنیم تا به مدل بفهمانیم این بخش دستورالعمل است.
+            final_text = f"({prompt_input.strip()})\n{chunk}"
+        else:
+            final_text = chunk
+        
         contents = [types.Content(role="user", parts=[types.Part.from_text(text=final_text)])]
         config = types.GenerateContentConfig(temperature=temperature_val, response_modalities=["audio"],
             speech_config=types.SpeechConfig(voice_config=types.VoiceConfig(
@@ -173,76 +197,105 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
                 if fpath: generated_files.append(fpath)
             else: _log(f"⚠️ پاسخ API برای قطعه {i+1} بدون داده صوتی بود (با کلید شماره {key_idx_display}).")
         except Exception as e:
-            _log(f"❌ خطا در تولید قطعه {i+1} با کلید شماره {key_idx_display}: {e}")
-            continue
-        if i < len(text_chunks) - 1 and len(text_chunks) > 1: time.sleep(sleep_time)
+            # نمایش خطای دقیق‌تر از API اگر در دسترس باشد
+            error_message = str(e)
+            if hasattr(e, 'message'): # برای انواع خاصی از خطاها در کتابخانه google-generativeai
+                 error_message = e.message
+            elif hasattr(e, 'args') and e.args:
+                 error_message = str(e.args[0])
+
+            # گاهی اوقات خطا شامل جزئیات بیشتری است، مانند خطاهای مربوط به محتوای نامناسب
+            # if "blocked" in error_message.lower() or "safety" in error_message.lower():
+            #     _log(f"❌ محتوای قطعه {i+1} ممکن است توسط فیلترهای ایمنی مسدود شده باشد. جزئیات: {error_message}")
+            # else:
+            _log(f"❌ خطا در تولید قطعه {i+1} با کلید شماره {key_idx_display}: {error_message}")
+            continue # ادامه بده به قطعه بعدی اگر یکی خطا داد
+        
+        if i < len(text_chunks) - 1 and len(text_chunks) > 1: 
+            # _log(f"⏱️ انتظار {sleep_time} ثانیه قبل از درخواست بعدی...") # لاگ کمتر
+            time.sleep(sleep_time)
 
     if not generated_files:
         _log(f"❌ هیچ فایل صوتی با کلید شماره {key_idx_display} تولید نشد.")
         return None
     
     final_audio_file = None
-    final_output_path_base = f"{output_base_name}_final"
+    final_output_path_base = f"{output_base_name}_final" # نام پایه فایل نهایی
+
+    # ایجاد یک timestamp برای نام فایل نهایی برای جلوگیری از کش شدن توسط مرورگر
+    # timestamp = int(time.time())
+    # final_output_path_base_ts = f"{final_output_path_base}_{timestamp}"
+    # فعلا از timestamp استفاده نمی‌کنیم تا نام فایل ساده بماند. Gradio معمولا کش نمی‌کند اگر محتوا تغییر کند.
 
     if len(generated_files) > 1:
         if PYDUB_AVAILABLE:
-            merged_fn = f"{final_output_path_base}.wav"
-            if os.path.exists(merged_fn): os.remove(merged_fn)
+            merged_fn = f"{final_output_path_base}.wav" # همیشه خروجی ادغام شده WAV است
+            if os.path.exists(merged_fn): # حذف فایل قبلی اگر وجود دارد تا جایگزین شود
+                 try: os.remove(merged_fn)
+                 except OSError as e_rem: _log(f"⚠️ نتوانست فایل قبلی ادغام شده را حذف کند: {merged_fn}, خطا: {e_rem}")
+
             if merge_audio_files_func(generated_files, merged_fn):
                 final_audio_file = merged_fn
-            else: # اگر ادغام ناموفق بود
-                if generated_files:
+            else: 
+                _log("⚠️ ادغام فایل‌ها ناموفق بود. اولین قطعه به عنوان خروجی ارائه می‌شود.")
+                if generated_files: # اگر حداقل یک فایل تولید شده باشد
                     try:
-                        target_ext = os.path.splitext(generated_files[0])[1]
+                        original_first_chunk_path = generated_files[0]
+                        target_ext = os.path.splitext(original_first_chunk_path)[1]
                         renamed_first_chunk = f"{final_output_path_base}{target_ext}"
                         if os.path.exists(renamed_first_chunk): os.remove(renamed_first_chunk)
-                        os.rename(generated_files[0], renamed_first_chunk)
+                        os.rename(original_first_chunk_path, renamed_first_chunk)
                         final_audio_file = renamed_first_chunk
                     except Exception as e_rename:
                          _log(f"خطا در تغییر نام فایل اولین قطعه (پس از ادغام ناموفق): {e_rename}")
-                         final_audio_file = generated_files[0]
+                         final_audio_file = generated_files[0] # بازگشت به مسیر اصلی
             
-            # پاک کردن فایل‌های جزئی چه ادغام موفق بوده چه ناموفق
+            # پاک کردن فایل‌های جزئی (چه ادغام موفق بوده چه ناموفق، به جز فایل نهایی)
             for fp_cleanup in generated_files:
+                # اگر فایل جزئی همان فایل نهایی است (مثلا در صورت ادغام ناموفق و تغییر نام اولین قطعه) آن را پاک نکن
                 if final_audio_file and os.path.abspath(fp_cleanup) == os.path.abspath(final_audio_file):
-                    continue # فایل نهایی را پاک نکن
-                try: os.remove(fp_cleanup)
-                except: pass
-
+                    continue 
+                try: 
+                    if os.path.exists(fp_cleanup): os.remove(fp_cleanup)
+                except OSError as e_del_part: _log(f"⚠️ نتوانست فایل جزئی را حذف کند: {fp_cleanup}, خطا: {e_del_part}")
         else: 
-            _log("⚠️ pydub در دسترس نیست. اولین قطعه صوتی ارائه می‌شود.")
+            _log("⚠️ pydub در دسترس نیست. اولین قطعه صوتی ارائه می‌شود چون امکان ادغام وجود ندارد.")
             if generated_files:
                 try:
-                    target_ext = os.path.splitext(generated_files[0])[1]
+                    original_first_chunk_path = generated_files[0]
+                    target_ext = os.path.splitext(original_first_chunk_path)[1]
                     renamed_first_chunk = f"{final_output_path_base}{target_ext}"
                     if os.path.exists(renamed_first_chunk): os.remove(renamed_first_chunk)
-                    os.rename(generated_files[0], renamed_first_chunk)
+                    os.rename(original_first_chunk_path, renamed_first_chunk)
                     final_audio_file = renamed_first_chunk
-                    for i_gf in range(1, len(generated_files)): # پاک کردن بقیه فایل‌های جزئی
-                        try: os.remove(generated_files[i_gf])
-                        except: pass
+                    # پاک کردن بقیه فایل‌های جزئی
+                    for i_gf in range(1, len(generated_files)):
+                        try: 
+                            if os.path.exists(generated_files[i_gf]): os.remove(generated_files[i_gf])
+                        except OSError as e_del_other_part: _log(f"⚠️ نتوانست فایل جزئی دیگر را حذف کند: {generated_files[i_gf]}, خطا: {e_del_other_part}")
                 except Exception as e_rename_single:
                     _log(f"خطا در تغییر نام فایل اولین قطعه (بدون pydub): {e_rename_single}")
-                    final_audio_file = generated_files[0]
+                    final_audio_file = generated_files[0] # بازگشت به مسیر اصلی
 
     elif len(generated_files) == 1:
         try:
-            target_ext = os.path.splitext(generated_files[0])[1]
+            original_single_file_path = generated_files[0]
+            target_ext = os.path.splitext(original_single_file_path)[1]
             final_single_fn = f"{final_output_path_base}{target_ext}"
-            if os.path.exists(final_single_fn): os.remove(final_single_fn)
-            os.rename(generated_files[0], final_single_fn)
+            if os.path.exists(final_single_fn): os.remove(final_single_fn) # حذف فایل قبلی اگر وجود دارد
+            os.rename(original_single_file_path, final_single_fn)
             final_audio_file = final_single_fn
         except Exception as e_rename_single_final:
             _log(f"خطا در تغییر نام فایل تکی نهایی: {e_rename_single_final}")
-            final_audio_file = generated_files[0]
+            final_audio_file = generated_files[0] # بازگشت به مسیر اصلی اگر تغییر نام ناموفق بود
     
     if final_audio_file and os.path.exists(final_audio_file):
         _log(f"✅ فایل صوتی نهایی با موفقیت با کلید شماره {key_idx_display} تولید شد: {os.path.basename(final_audio_file)}")
-    elif final_audio_file:
+    elif final_audio_file: # اگر متغیر مقدار دارد اما فایل وجود ندارد
         _log(f"⚠️ فایل نهایی '{final_audio_file}' پس از پردازش وجود ندارد! (با کلید شماره {key_idx_display})")
-        return None
-    else:
-        _log(f"❓ وضعیت نامشخص برای فایل نهایی. (با کلید شماره {key_idx_display})")
+        return None # صریحاً None برگردان تا Gradio خطا ندهد برای فایلی که نیست
+    else: # اگر final_audio_file از ابتدا None مانده (هیچ فایلی تولید نشده یا خطایی بوده)
+        # لاگ قبلی در مورد عدم تولید فایل کافی است
         return None
         
     return final_audio_file
@@ -252,9 +305,11 @@ def gradio_tts_interface(use_file_input, uploaded_file, text_to_speak, speech_pr
     if use_file_input:
         if uploaded_file:
             try:
-                with open(uploaded_file.name, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
+                # اطمینان از اینکه uploaded_file.name مسیر معتبر فایل است
+                file_path = uploaded_file.name if hasattr(uploaded_file, 'name') else uploaded_file
+                with open(file_path, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
                 if not actual_text: _log("❌ فایل آپلود شده خالی است یا خوانده نشد."); return None
-            except Exception as e: _log(f"❌ خطا در خواندن فایل آپلود شده: {e}"); return None
+            except Exception as e: _log(f"❌ خطا در خواندن فایل آپلود شده '{file_path if 'file_path' in locals() else 'نامشخص'}': {e}"); return None
         else: _log("❌ گزینه استفاده از فایل انتخاب شده اما فایلی آپلود نشده."); return None
     else:
         actual_text = text_to_speak
@@ -344,14 +399,14 @@ with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), c
         speech_prompt_tb = gr.Textbox(
             label="سبک گفتار (اختیاری)",
             placeholder="مثال: با لحنی شاد و پرانرژی",
-            value="با لحنی دوستانه و رسا صحبت کن.",
+            value="با لحنی دوستانه و رسا صحبت کن.", # مقدار پیش‌فرض
             lines=2, elem_id="speech_prompt_alpha_v3"
         )
         speaker_voice_dd = gr.Dropdown(
             SPEAKER_VOICES, label="انتخاب گوینده و لهجه", value="Charon", elem_id="speaker_voice_alpha_v3"
         )
         temperature_slider = gr.Slider(
-            minimum=0.1, maximum=1.5, step=0.05, value=0.9, label="میزان خلاقیت صدا",
+            minimum=0.0, maximum=1.5, step=0.05, value=0.9, label="میزان خلاقیت صدا", # مینیمم دما می‌تواند 0 باشد
             elem_id="temperature_slider_alpha_v3"
         )
         gr.Markdown("<p class='temp_description_class_alpha_v3'>مقادیر بالاتر = تنوع بیشتر، مقادیر پایین‌تر = یکنواختی بیشتر.</p>")
@@ -371,16 +426,17 @@ with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), c
             examples=[
                 [False, None, "سلام بر شما، امیدوارم روز خوبی داشته باشید.", "با لحنی گرم و صمیمی.", "Zephyr", 0.85],
                 [False, None, "این یک آزمایش برای بررسی کیفیت صدای تولید شده توسط هوش مصنوعی آلفا است.", "با صدایی طبیعی و روان.", "Charon", 0.9],
+                [False, None, "هوا فردا در تهران آفتابی و دلپذیر خواهد بود.", "", "Achird", 0.7], # نمونه بدون سبک گفتار
             ],
             inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
             outputs=[output_audio],
             fn=gradio_tts_interface,
-            cache_examples=False 
+            cache_examples=os.environ.get("GRADIO_CACHE_EXAMPLES", "false").lower() == "true" # کنترل کش با متغیر محیطی
         )
     gr.Markdown("<p class='app-footer-final'>Alpha Language Learning © 2024</p>")
 
 if __name__ == "__main__":
-    if NUM_API_KEYS > 0 : # فقط در صورتی که کلید API موجود باشد، برنامه را اجرا کن
+    if NUM_API_KEYS > 0 : 
         demo.launch()
     else:
         _log("🔴 برنامه به دلیل عدم وجود کلید API جیمینای اجرا نشد. لطفاً Secrets را بررسی کنید.")