簡化 Gradio 介面設計 - 修復 JSON schema 錯誤和移除 share=True

app.py

@@ -1,187 +0,0 @@
-import os
-import cv2
-import numpy as np
-import gradio as gr
-from realtime_sign_prediction import RealtimeSignPredictor
-
-class GradioSignPredictor:
-    def __init__(self):
-        """初始化手語辨識預測器"""
-        self.predictor = RealtimeSignPredictor(
-            model_path="tsflow/models/best_model.pt",
-            config_path="tsflow/results/test_results.json",
-            sequence_length=50,
-            use_segmentation=True
-        )
-        print("✅ 手語辨識系統初始化完成！")
-    
-    def process_frame(self, frame):
-        """處理單一畫面並返回結果"""
-        if frame is None:
-            return frame, "等待攝像頭輸入..."
-        
-        try:
-            # 處理畫面
-            results, keypoints, flow_features = self.predictor.process_frame(frame)
-            
-            # 繪製關鍵點
-            annotated_frame = self.predictor.draw_landmarks(frame.copy(), results)
-            
-            # 獲取預測結果
-            top_predictions = self.predictor.get_top_predictions(top_k=3)
-            
-            # 格式化預測結果
-            if top_predictions:
-                prediction_text = "🎯 即時預測結果:\n\n"
-                for i, (label, confidence) in enumerate(top_predictions, 1):
-                    confidence_bar = "█" * int(confidence * 20)
-                    prediction_text += f"{i}. {label}: {confidence:.2%} {confidence_bar}\n"
-                
-                # 添加序列資訊
-                prediction_text += f"\n📊 序列進度: {len(self.predictor.keypoint_sequence)}/{self.predictor.sequence_length}"
-            else:
-                prediction_text = "📡 正在收集動作序列...\n請在攝像頭前做手語動作"
-            
-            return annotated_frame, prediction_text
-            
-        except Exception as e:
-            return frame, f"❌ 處理錯誤: {str(e)}"
-    
-    def clear_predictions(self):
-        """清除預測序列"""
-        self.predictor.keypoint_sequence.clear()
-        self.predictor.flow_sequence.clear()
-        return "✅ 已清除預測序列，請重新開始"
-
-# 初始化全域預測器
-print("🚀 正在初始化手語辨識系統...")
-global_predictor = GradioSignPredictor()
-
-def process_video_frame(frame):
-    """處理視訊畫面的包裝函數"""
-    return global_predictor.process_frame(frame)
-
-def clear_predictions():
-    """清除預測的包裝函數"""
-    return global_predictor.clear_predictions()
-
-# 創建 Gradio 介面 - 修復 Gradio 4.44.x 兼容性
-with gr.Blocks(
-    title="SignView2.0 - 手語辨識系統",
-    theme=gr.themes.Soft(),
-    css="""
-    .container { max-width: 1200px; margin: auto; }
-    .header { text-align: center; margin-bottom: 2rem; }
-    .prediction-box { 
-        background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); 
-        color: white; 
-        padding: 1rem; 
-        border-radius: 10px; 
-        font-family: monospace;
-    }
-    """
-) as demo:
-    
-    gr.Markdown("""
-    # 🤟 SignView2.0 - 手語辨識系統
-    
-    **支援34種手語詞彙的即時辨識系統，準確率達94.25%**
-    
-    ## 📋 支援詞彙
-    `again`, `all`, `apple`, `bad`, `bathroom`, `beautiful`, `bird`, `black`, `blue`, `book`, 
-    `bored`, `boy`, `brother`, `brown`, `but`, `computer`, `cousin`, `dance`, `day`, `deaf`, 
-    `doctor`, `dog`, `draw`, `drink`, `eat`, `english`, `family`, `father`, `fine`, `finish`, 
-    `fish`, `forget`, `friend`, `girl`
-    
-    ## 🚀 使用說明
-    1. 上傳影像或使用攝像頭拍攝手語動作
-    2. 系統會自動辨識並顯示結果
-    3. 點擊「清除預測」重新開始
-    """, elem_classes=["header"])
-    
-    with gr.Row():
-        with gr.Column(scale=2):
-            # 影像輸入 - 使用 Image 組件解決 Gradio 4.44.x 兼容性問題
-            image_input = gr.Image(
-                label="📹 影像輸入 (攝像頭/上傳)",
-                sources=["webcam", "upload"],
-                height=400
-            )
-            
-            # 處理按鈕
-            process_btn = gr.Button(
-                "🔍 分析手語動作", 
-                variant="primary",
-                size="lg"
-            )
-            
-            # 清除按鈕
-            clear_btn = gr.Button(
-                "🗑️ 清除預測序列", 
-                variant="secondary",
-                size="lg"
-            )
-        
-        with gr.Column(scale=1):
-            # 處理後的影像輸出
-            output_image = gr.Image(
-                label="🎯 辨識結果影像",
-                height=400
-            )
-            
-            # 預測輸出
-            prediction_output = gr.Textbox(
-                label="📊 辨識結果",
-                lines=8,
-                value="等待影像輸入...",
-                elem_classes=["prediction-box"]
-            )
-            
-            # 系統資訊
-            gr.Markdown("""
-            ## 📊 系統資訊
-            - **模型準確率**: 94.25%
-            - **F1分數**: 94.24%
-            - **處理速度**: 30 FPS
-            - **特徵提取**: MediaPipe + 光流
-            - **模型架構**: BiLSTM + 注意力機制
-            - **背景分割**: MediaPipe Segmentation
-            
-            ## 🔧 技術特色
-            - MediaPipe Holistic 關鍵點檢測
-            - 光流動作特徵捕捉
-            - 人體分割背景去除
-            - 深度學習時序建模
-            """)
-    
-    # 事件處理器
-    process_btn.click(
-        fn=process_video_frame,
-        inputs=[image_input],
-        outputs=[output_image, prediction_output]
-    )
-    
-    clear_btn.click(
-        fn=clear_predictions,
-        outputs=[prediction_output]
-    )
-    
-    gr.Markdown("""
-    ---
-    ### 📈 關於此系統
-    
-    SignView2.0 使用最先進的深度學習技術進行手語辨識：
-    
-    - **特徵提取**: 使用 MediaPipe 提取手部、身體關鍵點 + 光流特徵
-    - **背景處理**: MediaPipe Segmentation 自動去除背景干擾
-    - **時序建模**: 雙向LSTM + GRU + 多頭注意力機制
-    - **訓練資料**: 2380個手語視頻，經過數據增強和正規化
-    
-    **開發者**: XiaoBai1221 | **平台**: Hugging Face Spaces
-    """)
-
-# 啟動應用程式 - Hugging Face Spaces 會自動檢測 demo 變數
-print("🎉 SignView2.0 手語辨識系統已啟動！")
-
-# 直接啟動，不使用條件判斷
-demo.launch(share=True)