Update app.py

app.py

@@ -4,6 +4,8 @@ Boolook - 음성 기반 감정 분석 책 추천 (HuggingFace Spaces)
   - 임베딩 로딩을 백그라운드 스레드로 분리 (타임아웃 방지)
   - 배치 크기 128로 증가 (속도 향상)
   - 서버가 먼저 열린 뒤 데이터 로딩 진행
+  - 추천 결과 출력을 JSON 형식으로 단순화
+  - emotion_score: 주감정 단일 수치
 """
 
 import gradio as gr
@@ -12,6 +14,7 @@ import numpy as np
 import torch
 import pickle
 import csv
+import json
 import threading
 import warnings
 import logging
@@ -29,11 +32,11 @@ logger = logging.getLogger(__name__)
 # ============================================================
 # 설정
 # ============================================================
-BOOK_DB_PATH    = Path("book_db_final.csv")
-FEEDBACK_PATH   = Path("user_feedback.csv")
+BOOK_DB_PATH     = Path("book_db_final.csv")
+FEEDBACK_PATH    = Path("user_feedback.csv")
 SBERT_CACHE_PATH = Path("book_embeddings.pkl")
-SAMPLE_RATE     = 16000
-MAX_EMBEDDING_BATCH = 128  # 32 → 128 (속도 향상)
+SAMPLE_RATE      = 16000
+MAX_EMBEDDING_BATCH = 128
 
 device = 0 if torch.cuda.is_available() else -1
 logger.info(f"🖥️ 디바이스: {'GPU' if device == 0 else 'CPU'}")
@@ -47,7 +50,7 @@ _data_ready     = False
 _data_lock      = threading.Lock()
 
 # ============================================================
-# 모델 로딩 (스타트업 시 동기 수행 - 빠름)
+# 모델 로딩
 # ============================================================
 logger.info("🚀 모델 로딩 중...")
 
@@ -156,7 +159,6 @@ def load_book_data():
         logger.error(f"❌ CSV 로드 실패: {e}")
         return
 
-    # 임베딩 캐시 로드
     emb_cache = {}
     if SBERT_CACHE_PATH.exists():
         try:
@@ -166,7 +168,6 @@ def load_book_data():
         except Exception as e:
             logger.warning(f"⚠️ 캐시 로드 실패: {e}")
 
-    # 신규 임베딩 계산
     missing = [i for i, row in _df.iterrows() if str(row["isbn"]) not in emb_cache]
     if missing and sbert_model:
         logger.info(f"⚙️ 신규 임베딩 계산: {len(missing)}권")
@@ -192,7 +193,6 @@ def load_book_data():
         except Exception as e:
             logger.error(f"⚠️ 임베딩 계산 실패: {e}")
 
-    # 임베딩 행렬 구성
     try:
         emb_matrix = np.stack([
             emb_cache.get(str(row["isbn"]), np.zeros(384))
@@ -212,7 +212,6 @@ def load_book_data():
 
     logger.info("🎉 백그라운드 데이터 로드 완료!")
 
-# 백그라운드로 실행 (서버 열리기 전에 스레드만 시작)
 threading.Thread(target=load_book_data, daemon=True).start()
 
 # ============================================================
@@ -224,7 +223,7 @@ def text_emotion_scores(text: str) -> Dict[str, float]:
         return scores
 
     try:
-        user_emb  = sbert_model.encode(text, convert_to_tensor=True, show_progress_bar=False)
+        user_emb   = sbert_model.encode(text, convert_to_tensor=True, show_progress_bar=False)
         cos_scores = sbert_util.cos_sim(user_emb, _LABEL_EMBS)[0]
         for i, label in enumerate(_EMOTION_LABELS):
             scores[label] = float(cos_scores[i].item())
@@ -243,6 +242,7 @@ def text_emotion_scores(text: str) -> Dict[str, float]:
         scores = {k: v / total for k, v in scores.items()}
     return scores
 
+
 def audio_emotion_scores(audio_array: np.ndarray, sr: int) -> Dict[str, float]:
     scores = {emo: 0.0 for emo in _EMOTION_LABELS}
     if audio_emotion_pipeline is None:
@@ -263,6 +263,7 @@ def audio_emotion_scores(audio_array: np.ndarray, sr: int) -> Dict[str, float]:
         logger.warning(f"⚠️ 음성 감정 실패: {e}")
     return scores
 
+
 def fused_emotion(t_scores: Dict[str, float], a_scores: Dict[str, float]) -> Tuple[str, Dict[str, float]]:
     if all(v == 0 for v in a_scores.values()):
         combined = t_scores
@@ -320,6 +321,31 @@ def get_recommendations(user_text: str, emotion: str, top_n: int = 3) -> List[Di
         logger.error(f"⚠️ 추천 실패: {e}")
         return []
 
+# ============================================================
+# 추천 결과 → JSON 렌더링
+# ============================================================
+def _render_books_json(user_text: str, emotion: str, combined: Dict[str, float], books: List[Dict]) -> str:
+    if not books:
+        return json.dumps({"error": "추천할 책을 찾지 못했습니다."}, ensure_ascii=False, indent=2)
+
+    output = {
+        "user_text":     user_text,
+        "emotion":       emotion,
+        "emotion_score": round(combined.get(emotion, 0.0), 3),
+        "recommendations": [
+            {
+                "isbn":      b["isbn"],
+                "title":     b["title"],
+                "author":    b["author"],
+                "publisher": b["publisher"],
+                "content":   b["content"],
+                "img_url":   b["img_url"],
+            }
+            for b in books
+        ],
+    }
+    return json.dumps(output, ensure_ascii=False, indent=2)
+
 # ============================================================
 # 피드백
 # ============================================================
@@ -337,6 +363,7 @@ def _load_feedback_weights() -> Dict[Tuple[str, str], float]:
     except Exception:
         return {}
 
+
 def save_feedback_csv(isbn: str, title: str, emotion: str, accepted: int, rank: int):
     try:
         data = {
@@ -359,6 +386,7 @@ def save_feedback_csv(isbn: str, title: str, emotion: str, accepted: int, rank:
     except Exception as e:
         logger.error(f"⚠️ 피드백 저장 실패: {e}")
 
+
 def get_feedback_stats() -> str:
     if not FEEDBACK_PATH.exists():
         return "📊 아직 피드백이 없습니다."
@@ -382,23 +410,17 @@ def get_feedback_stats() -> str:
 # 메인 처리
 # ============================================================
 def process_voice(audio_input):
-    # ── 데이터 로딩 중 안내 ──
     if not _data_ready:
-        return (
-            "⏳ 도서 데이터를 로딩 중입니다. 잠시 후 다시 시도해주세요.",
-            "", "", [], "",
-        )
-
+        return json.dumps({"error": "⏳ 도서 데이터 로딩 중입니다. 잠시 후 다시 시도해주세요."}, ensure_ascii=False, indent=2), [], ""
     if audio_input is None:
-        return "🎤 음성을 녹음해주세요.", "", "", [], ""
-
+        return json.dumps({"error": "🎤 음성을 녹음해주세요."}, ensure_ascii=False, indent=2), [], ""
     if stt_model is None:
-        return "❌ STT 모델이 로드되지 않았습니다.", "", "", [], ""
+        return json.dumps({"error": "❌ STT 모델이 로드되지 않았습니다."}, ensure_ascii=False, indent=2), [], ""
 
     try:
         sr, y = audio_input
         if len(y) == 0:
-            return "❌ 음성이 너무 짧습니다.", "", "", [], ""
+            return json.dumps({"error": "❌ 음성이 너무 짧습니다."}, ensure_ascii=False, indent=2), [], ""
 
         y = y.astype(np.float32)
         max_v = np.max(np.abs(y))
@@ -409,38 +431,21 @@ def process_voice(audio_input):
         user_text  = stt_result["text"].strip()
 
         if not user_text:
-            return "❌ 음성이 인식되지 않았습니다.", "", "", [], ""
+            return json.dumps({"error": "❌ 음성이 인식되지 않았습니다."}, ensure_ascii=False, indent=2), [], ""
 
         t_scores = text_emotion_scores(user_text)
         a_scores = audio_emotion_scores(y, sr)
         top_label, combined = fused_emotion(t_scores, a_scores)
 
-        top3       = sorted(combined.items(), key=lambda x: x[1], reverse=True)[:3]
-        emotion_str = " | ".join(f"{e} {p:.2f}" for e, p in top3)
-
-        books    = get_recommendations(user_text, top_label, top_n=3)
-        books_md = _render_books_md(books, top_label)
+        books      = get_recommendations(user_text, top_label, top_n=3)
+        books_json = _render_books_json(user_text, top_label, combined, books)
 
-        return user_text, top_label, emotion_str, books, books_md
+        return books_json, books, top_label
 
     except Exception as e:
         logger.error(f"❌ 처리 오류: {e}")
-        return f"❌ 오류: {str(e)}", "", "", [], ""
+        return json.dumps({"error": str(e)}, ensure_ascii=False, indent=2), [], ""
 
-def _render_books_md(books: List[Dict], emotion: str) -> str:
-    if not books:
-        return "😔 추천할 책을 찾지 못했습니다."
-
-    md = f"### 📖 [{emotion}] 감정에 어울리는 책\n\n"
-    for i, b in enumerate(books, 1):
-        md += f"**{i}. {b['title']}**\n"
-        md += f"- 저자: {b['author']} | 출판사: {b['publisher']}\n"
-        md += f"- {b['content']}...\n"
-        md += f"- 추천 점수: `{b['score']}`\n"
-        if b["img_url"]:
-            md += f"- 🖼️ [표지 보기]({b['img_url']})\n"
-        md += "\n---\n"
-    return md
 
 def on_feedback(books_state: list, emotion: str, rank_str: str, liked: bool):
     try:
@@ -455,27 +460,15 @@ def on_feedback(books_state: list, emotion: str, rank_str: str, liked: bool):
     except Exception as e:
         return f"⚠️ 피드백 저장 실패: {e}"
 
-# ============================================================
-# Gradio UI
-# ============================================================
-css = """
-.feedback-row {
-    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
-    padding: 20px;
-    border-radius: 15px;
-    margin: 15px 0;
-}
-.feedback-row * { color: white !important; }
-"""
 
 def run_analysis(audio):
-    result = process_voice(audio)
-    # result: (text, emotion, emo_all, books, books_md)
-    # outputs: [out_text, out_emotion, out_emo_all, state_books, state_emotion, out_books_md]
-    text, emo, emo_all, books, books_md = result
-    return text, emo, emo_all, books, emo, books_md
+    books_json, books, emotion = process_voice(audio)
+    return books_json, books, emotion
 
-with gr.Blocks(theme=gr.themes.Soft(), css=css, title="Boolook 📚") as demo:
+# ============================================================
+# Gradio UI
+# ============================================================
+with gr.Blocks(theme=gr.themes.Soft(), title="Boolook 📚") as demo:
     gr.Markdown("""
     # 📚 Boolook — 음성 기반 감정 분석 책 추천
     당신의 감정을 말로 표현하면, AI가 딱 맞는 책을 추천해드립니다.
@@ -489,28 +482,23 @@ with gr.Blocks(theme=gr.themes.Soft(), css=css, title="Boolook 📚") as demo:
     with gr.Row():
         with gr.Column(scale=1):
             gr.Markdown("### 🎤 음성 입력")
-            audio_in = gr.Audio(
-                label="마이크로 감정 표현하기",
-                sources=["microphone"],
-                type="numpy",
-            )
+            audio_in    = gr.Audio(sources=["microphone"], type="numpy", label="마이크로 감정 표현하기")
             analyze_btn = gr.Button("🔍 분석하기", variant="primary", size="lg")
             gr.Markdown("💡 예: '오늘 너무 슬퍼요', '행복한 기분이에요'")
 
         with gr.Column(scale=1):
-            gr.Markdown("### 📊 분석 결과")
-            out_text    = gr.Textbox(label="인식된 텍스트",    interactive=False)
-            out_emotion = gr.Textbox(label="감지된 주감정",    interactive=False)
-            out_emo_all = gr.Textbox(label="감정 분포 TOP3",   interactive=False)
-
-    out_books_md = gr.Markdown("### 📖 추천 도서\n분석 후 표시됩니다.")
+            out_books_json = gr.Code(
+                label="📊 분석 결과 & 📖 추천 도서",
+                language="json",
+                interactive=False,
+            )
 
-    with gr.Accordion("💬 피드백", open=True, elem_classes="feedback-row"):
+    with gr.Accordion("💬 피드백", open=True):
         gr.Markdown("추천받은 책에 평가를 남겨주세요!")
         with gr.Row():
-            rank_radio   = gr.Radio(["1", "2", "3"], label="책 번호", value="1")
-            like_btn     = gr.Button("👍 좋아요", variant="primary")
-            dislike_btn  = gr.Button("👎 싫어요", variant="secondary")
+            rank_radio  = gr.Radio(["1", "2", "3"], label="책 번호", value="1")
+            like_btn    = gr.Button("👍 좋아요", variant="primary")
+            dislike_btn = gr.Button("👎 싫어요", variant="secondary")
         feedback_out = gr.Textbox(label="피드백 결과", interactive=False)
 
     with gr.Accordion("📈 통계", open=False):
@@ -518,11 +506,10 @@ with gr.Blocks(theme=gr.themes.Soft(), css=css, title="Boolook 📚") as demo:
         refresh_btn = gr.Button("🔄 통계 새로고침")
         refresh_btn.click(fn=get_feedback_stats, outputs=stats_md)
 
-    # 이벤트
     analyze_btn.click(
         fn=run_analysis,
         inputs=audio_in,
-        outputs=[out_text, out_emotion, out_emo_all, state_books, state_emotion, out_books_md],
+        outputs=[out_books_json, state_books, state_emotion],
     )
     like_btn.click(
         fn=lambda b, e, r: on_feedback(b, e, r, True),