Update app.py

app.py

@@ -6,23 +6,25 @@ from io import BytesIO
 from PIL import Image, ImageDraw
 from mistralai.client import Mistral
 
-def process_document(file, api_key):
+# 在參數中加入 progress=gr.Progress()
+def process_document(file, api_key, progress=gr.Progress()):
     if not api_key:
         return None, "錯誤：請提供 Mistral API 金鑰。"
     if not file:
         return None, "錯誤：請上傳檔案。"
 
+    progress(0.05, desc="正在初始化 Mistral 客戶端...")
     client = Mistral(api_key=api_key)
     images = []
     
-    # 1. 處理檔案上傳 (支援 PDF 或 圖片)
+    # 1. 處理檔案上傳
     file_name = file.name.lower()
     try:
+        progress(0.1, desc="正在讀取與轉換圖片...")
         if file_name.endswith('.pdf'):
             doc = fitz.open(file.name)
             for i in range(len(doc)):
                 page = doc.load_page(i)
-                # 設定 DPI 為 150，確保圖片夠清晰但不會太大導致 API 超時
                 pix = page.get_pixmap(dpi=150)
                 img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
                 images.append(img)
@@ -35,7 +37,6 @@ def process_document(file, api_key):
     drawn_images = []
     all_json_results = []
 
-    # 2. 針對「尋找手寫字」設計極簡 Prompt (防止模型收檔)
     prompt = """
     你是一個專門偵測手寫字體的 AI 視覺助手。請找出這張圖片中「所有學生手寫的文字」，並嚴格忽略所有印刷體。
     請以 JSON 格式輸出，提供文字內容以及 0.0 到 1.0 的相對邊界框座標 [ymin, xmin, ymax, xmax]。
@@ -48,16 +49,16 @@ def process_document(file, api_key):
     }
     """
 
-    # 3. 逐頁處理
     for page_num, img in enumerate(images):
-        # 轉換為 Base64
+        progress(0.3, desc=f"處理第 {page_num + 1} 頁：準備將圖片發送給 Mistral API...")
         buffered = BytesIO()
         img.save(buffered, format="JPEG")
         img_b64 = base64.b64encode(buffered.getvalue()).decode("utf-8")
         base64_image = f"data:image/jpeg;base64,{img_b64}"
         
         try:
-            # 呼叫 Pixtral 視覺模型
+            # 這裡是最卡的地方，所以特別提示
+            progress(0.4, desc=f"第 {page_num + 1} 頁：正在等待 Pixtral 大模型運算與分析 (大約需要 30~60 秒，請耐心等候)...")
             response = client.chat.complete(
                 model="pixtral-large-latest",
                 messages=[
@@ -72,12 +73,12 @@ def process_document(file, api_key):
                 response_format={"type": "json_object"}
             )
             
-            # 解析 JSON 輸出
+            progress(0.8, desc=f"第 {page_num + 1} 頁：收到 API 回應！正在解析 JSON...")
             content = response.choices[0].message.content
             data = json.loads(content)
             all_json_results.append({f"Page {page_num + 1}": data})
             
-            # 4. 在圖片上畫紅色邊界框
+            progress(0.9, desc=f"第 {page_num + 1} 頁：正在圖片上繪製紅色邊界框...")
             draw = ImageDraw.Draw(img)
             width, height = img.size
             
@@ -85,24 +86,26 @@ def process_document(file, api_key):
                 box = item.get("box")
                 if box and len(box) == 4:
                     ymin, xmin, ymax, xmax = box
-                    
-                    # 將 0.0 ~ 1.0 的相對座標轉換為圖片的實際像素
                     abs_xmin = xmin * width
                     abs_ymin = ymin * height
                     abs_xmax = xmax * width
                     abs_ymax = ymax * height
-                    
-                    # 畫紅框 (線條寬度 3)
                     draw.rectangle([abs_xmin, abs_ymin, abs_xmax, abs_ymax], outline="red", width=3)
                     
             drawn_images.append(img)
             
         except Exception as e:
-            all_json_results.append({f"Page {page_num + 1} Error": str(e)})
+            # 如果 API 超時或報錯，會記錄在這裡
+            error_msg = f"API 發生錯誤: {str(e)}"
+            print(error_msg) # 顯示在終端機
+            all_json_results.append({f"Page {page_num + 1} Error": error_msg})
             drawn_images.append(img)
 
+    progress(1.0, desc="處理完成！")
     return drawn_images, json.dumps(all_json_results, ensure_ascii=False, indent=2)
 
+# --- Gradio 介面設計 (保持不變) ---
+# ... 後面的程式碼不用動 ...
 
 # --- Gradio 介面設計 ---
 with gr.Blocks(title="手寫字偵測與畫框 Demo") as demo: