Update app.py

app.py

@@ -1,16 +1,16 @@
 import os
 import json
 import firebase_admin
-import requests
 from firebase_admin import credentials, firestore
 from flask import Flask, request, jsonify
-from huggingface_hub import InferenceClient
-
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+import torch.nn.functional as F
 
 app = Flask(__name__)
 
 # =============================
-# Inicialização do Firebase
+# Inicialização segura do Firebase
 # =============================
 firebase_key = os.getenv("FIREBASE_KEY")
 if not firebase_key:
@@ -28,62 +28,43 @@ except Exception as e:
     db = None
 
 # =============================
-# Inicialização do Hugging Face
-# =============================
-HF_TOKEN = os.getenv("HF_TOKEN")
-if not HF_TOKEN:
-    raise RuntimeError("❌ HF_TOKEN não encontrado nos Secrets do Space.")
-
-client = InferenceClient(token=HF_TOKEN)
-
-# =============================
-# Função de mapeamento de emoções
+# Inicialização do modelo Transformers
 # =============================
-def map_emotion(label, score):
-    mapping = {
-        "joy": "alegria",
-        "sadness": "tristeza",
-        "anger": "raiva",
-        "fear": "medo",
-        "disgust": "nojo",
-        "surprise": "surpresa",
-        "neutral": "neutro",
-    }
-
-    # Mapeia para português
-    emotion_pt = mapping.get(label.lower(), "neutro")
-
-    # Identifica "depressão" quando tristeza for alta
-    if emotion_pt == "tristeza" and score >= 0.60:
-        emotion_pt = "depressão"
-
-    return emotion_pt
+MODEL_NAME = "pysentimiento/robertuito-emotion-analysis"  # modelo em espanhol
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)
+labels = model.config.id2label  # mapeia ids para rótulos de emoção
 
 # =============================
-# Sugestões baseadas na emoção
+# Fallback baseado em palavras-chave
 # =============================
-def get_suggestion(emotion):
-    suggestions = {
-        "alegria": "Continue aproveitando esse momento positivo! 😊",
-        "tristeza": "Tente conversar com alguém de confiança. 💬",
-        "depressão": "Você não está sozinho. Procure apoio emocional ou profissional. 💙",
-        "raiva": "Respire fundo e tente relaxar antes de reagir. 😤",
-        "medo": "Procure entender o que te causa medo e fale sobre isso. 💭",
-        "nojo": "Afaste-se do que está te incomodando e busque se acalmar. 🌿",
-        "surpresa": "Às vezes a vida nos surpreende de formas boas e ruins — reflita com calma. 🤔",
-        "neutro": "Você parece tranquilo no momento. 🌼",
-    }
-    return suggestions.get(emotion, "Cuide de você mesmo hoje. ❤️")
+fallback_map = {
+    "alegria": ["feliz", "contente", "satisfeito", "alegre", "animado"],
+    "tristeza": ["triste", "chateado", "melancólico", "desanimado"],
+    "depressao": ["deprimido", "sem vontade", "desesperança", "sem energia"],
+    "raiva": ["irritado", "zangado", "raiva", "frustrado"],
+    "ansiedade": ["ansioso", "preocupado", "tenso", "estressado"],
+}
+
+def fallback_emotion(text):
+    lower = text.lower()
+    detected = []
+    for key, words in fallback_map.items():
+        if any(word in lower for word in words):
+            detected.append(key)
+    if not detected:
+        detected = ["tristeza"]
+    return detected
 
 # =============================
 # Rota de teste
 # =============================
 @app.route("/")
 def index():
-    return jsonify({"status": "online", "message": "API Flask funcionando com pysentimiento!"})
+    return jsonify({"status": "online", "message": "API Flask funcionando no Space!"})
 
 # =============================
-# Rota principal de análise
+# Rota principal de análise de emoção
 # =============================
 @app.route("/analyze", methods=["POST"])
 def analyze():
@@ -93,71 +74,58 @@ def analyze():
             return jsonify({"error": "Campo 'text' é obrigatório"}), 400
 
         text = data["text"]
-        print(f"\n🧠 Recebido texto para análise: {text}\n")
-
-        # =============================
-        # Chamada direta à API do Hugging Face
-        # =============================
-        HF_MODEL = "j-hartmann/emotion-english-portuguese"
-        HF_URL = f"https://api-inference.huggingface.co/models/{HF_MODEL}"
-
-        headers = {
-            "Authorization": f"Bearer {HF_TOKEN}",
-            "Content-Type": "application/json"
-        }
-
-        payload = {"inputs": text}
-
-        response = requests.post(HF_URL, headers=headers, json=payload)
-        response.raise_for_status()
-
-        result_json = response.json()
-        print(f"📩 Resposta bruta do modelo:\n{json.dumps(result_json, indent=2, ensure_ascii=False)}\n")
-
-        # Alguns modelos retornam [ [ {label, score}, ... ] ]
-        # Outros apenas [ {label, score}, ... ]
-        if isinstance(result_json, list) and isinstance(result_json[0], list):
-            result_json = result_json[0]
-
-        if not isinstance(result_json, list) or len(result_json) == 0:
-            raise ValueError("Resposta inesperada da API Hugging Face.")
-
-        # =============================
-        # Processamento das emoções
-        # =============================
-        probabilities = {}
-        for item in result_json:
-            label = item.get("label", "").lower()
-            score = round(float(item.get("score", 0.0)), 4)
-            emotion_pt = map_emotion(label, score)
-            probabilities[emotion_pt] = score
-
-        dominant_emotion = max(probabilities, key=probabilities.get)
-        suggestion = get_suggestion(dominant_emotion)
-
+        print(f"🧠 Recebido texto para análise: {text}")
+
+        # Tokenização e predição
+        inputs = tokenizer(text, return_tensors="pt", truncation=True)
+        with torch.no_grad():
+            outputs = model(**inputs)
+            probs = F.softmax(outputs.logits, dim=-1).squeeze()
+            prob_dict = {labels[i]: round(float(probs[i]), 4) for i in range(len(labels))}
+        
+        # Escolhe emoção principal
+        main_emotion = max(prob_dict, key=prob_dict.get)
+        detected = [main_emotion]
+
+        # Se nenhuma emoção significativa (prob < 0.2), fallback
+        if prob_dict[main_emotion] < 0.2:
+            detected = fallback_emotion(text)
+            main_emotion = detected[0]
+            status = "fallback"
+            suggestion = "Não foi possível identificar claramente a emoção. Fallback baseado em palavras-chave."
+        else:
+            status = "ok"
+            suggestion = "Sugestão não disponível."
+
+        # Resultado final
         result = {
-            "status": "ok",
-            "emotion": dominant_emotion,
-            "emode": list(probabilities.keys()),
-            "probabilities": probabilities,
+            "status": status,
+            "emotion": main_emotion,
+            "emode": detected,
+            "probabilities": prob_dict,
             "suggestion": suggestion,
         }
 
-        print(f"✅ Resultado final: {json.dumps(result, indent=2, ensure_ascii=False)}\n")
-
         # Salva no Firestore
         if db:
             db.collection("emotions").add({
                 "text": text,
-                "emotion": dominant_emotion,
-                "probabilities": probabilities
+                **result
             })
 
         return jsonify(result)
 
     except Exception as e:
         print(f"❌ Erro detalhado na rota /analyze: {e}")
-        return jsonify({"error": str(e)}), 500
+        detected = fallback_emotion(data.get("text", "")) if data else ["tristeza"]
+        return jsonify({
+            "status": "fallback",
+            "emotion": detected[0],
+            "emode": detected,
+            "probabilities": {k: 0.0 for k in fallback_map.keys()},
+            "suggestion": "Erro na análise. Fallback baseado em palavras-chave.",
+            "debug": str(e)
+        }), 500
 
 # =============================
 # Inicialização do servidor
@@ -166,3 +134,4 @@ if __name__ == "__main__":
     port = int(os.environ.get("PORT", 7860))
     app.run(host="0.0.0.0", port=port, debug=False)
 
+