Update app.py

app.py

@@ -1,13 +1,15 @@
 import gradio as gr
 import pandas as pd
-import librosa
 import numpy as np
 from sentence_transformers import SentenceTransformer, util
 from transformers import pipeline
 
-# 모델 로드 (Hugging Face 서버에서 실행됨)
-stt_model = pipeline("automatic-speech-recognition", model="openai/whisper-tiny") # 빠른 속도를 위해 tiny 사용
+# 1. 모델 및 데이터 로드
+# 빠른 속도를 위해 whisper-tiny 사용
+stt_model = pipeline("automatic-speech-recognition", model="openai/whisper-tiny") 
 sbert_model = SentenceTransformer("jhgan/ko-sroberta-multitask")
+
+# 데이터베이스 로드 (파일명 확인 필요)
 df = pd.read_csv("book_db_final.csv")
 
 _EMOTION_DESCS = {
@@ -20,55 +22,59 @@ _EMOTION_DESCS = {
     "분노": "분노와 저항, 투쟁과 갈등",
     "기대": "성장과 도전, 모험과 희망",
 }
+
 _LABEL_EMBS = sbert_model.encode(list(_EMOTION_DESCS.values()), convert_to_tensor=True)
 
-def process_voice_and_recommend(text_input, audio_input):
-    # 1. 음성 데이터가 있으면 STT로 텍스트 변환
-    final_text = text_input
-    if audio_input is not None:
-        sr, y = audio_input
-        y = y.astype(np.float32)
-        y /= np.max(np.abs(y)) if np.max(np.abs(y)) > 0 else 1
-        
-        # Whisper 모델로 음성을 텍스트로 변환
-        stt_result = stt_model({"sampling_rate": sr, "raw": y})
-        final_text = stt_result["text"]
+def process_voice_only(audio_input):
+    # 1. 음성 입력 확인
+    if audio_input is None:
+        return "음성을 녹음해주세요.", ""
+
+    # 2. STT (Speech to Text) 변환
+    sr, y = audio_input
+    y = y.astype(np.float32)
+    y /= np.max(np.abs(y)) if np.max(np.abs(y)) > 0 else 1
+    
+    stt_result = stt_model({"sampling_rate": sr, "raw": y})
+    final_text = stt_result["text"]
 
-    if not final_text:
-        return "텍스트를 입력하거나 음성을 녹음해주세요.", ""
+    if not final_text.strip():
+        return "음성이 인식되지 않았습니다. 다시 말씀해주세요.", ""
 
-    # 2. 감정 분석
+    # 3. 감정 분석
     user_emb = sbert_model.encode(final_text, convert_to_tensor=True)
     scores = util.cos_sim(user_emb, _LABEL_EMBS)[0]
     best_emo = list(_EMOTION_DESCS.keys())[scores.argmax()]
     
-    # 3. 도서 추천
+    # 4. 도서 추천
     recs = df[df["emotion"] == best_emo].head(3)
-    result_text = f"🎨 분석된 문장: \"{final_text}\"\n🎭 감정: {best_emo}\n\n"
+    
+    result_text = f"인식된 문장: \"{final_text}\"\n분석된 감정: {best_emo}\n\n"
     
     book_list = ""
     for _, row in recs.iterrows():
-        book_list += f"📖 {row['title']}\n🔗 {row['url']}\n\n"
-    
+        book_list += f"{row['title']}\n {row['url']}\n\n"
+        
     return result_text, book_list
 
-# 인터페이스 구성
+# --- Gradio UI 구성 ---
 with gr.Blocks() as demo:
-    gr.Markdown("# 📚 Boolook: 음성 기반 마음 분석 책 추천")
+    gr.Markdown("# Boolook: 음성 전용 마음 분석 책 추천")
     
     with gr.Row():
         with gr.Column():
-            text_in = gr.Textbox(label="직접 입력", placeholder="오늘 기분이 어떠신가요?")
-            audio_in = gr.Audio(label="마이크 녹음", sources=["microphone"])
-            submit_btn = gr.Button("분석 및 추천받기")
+            # 오디오 입력만 유지
+            audio_in = gr.Audio(label="마이크로 마음을 들려주세요", sources=["microphone"])
+            submit_btn = gr.Button("분석 및 추천받기", variant="primary")
             
         with gr.Column():
             analysis_out = gr.Textbox(label="분석 결과")
             books_out = gr.Textbox(label="추천 도서 리스트")
 
+    # 버튼 클릭 시 음성 처리 함수 연결
     submit_btn.click(
-        fn=process_voice_and_recommend,
-        inputs=[text_in, audio_in],
+        fn=process_voice_only,
+        inputs=[audio_in],
         outputs=[analysis_out, books_out]
     )