Upload app.py

app.py

@@ -17,102 +17,81 @@ except TypeError:
     api_key_found = False
 
 print("Cargando modelo de Whisper...")
-whisper_model = whisper.load_model("base")
+whisper_model = whisper.load_model("base", device="cpu") # Especificar CPU puede ayudar en algunos sistemas
 print("Modelo de Whisper cargado.")
 
-# --- NUEVO SÚPER-PROMPT ---
+
+# --- CAMBIO CLAVE: El nuevo súper-prompt ---
 SYSTEM_PROMPT = """
-Eres un examinador de inglés de Cambridge con un doctorado en fonética. Tu tarea es realizar una evaluación integral de la pronunciación y fluidez de un hablante no nativo.
+Eres "Echo", un tutor de inglés y experto en fonética con la personalidad amigable y paciente de un coach de idiomas. Tu objetivo es doble: mantener una conversación natural y proporcionar un análisis técnico impecable de la pronunciación del usuario.
+
+**Tu proceso de análisis es un riguroso examen en 4 pasos:**
 
-**Recibirás:**
-1.  La **frase de referencia** que el usuario intentaba decir.
-2.  La **transcripción literal** de su audio, generada por Whisper.
-3.  **Métricas de fluidez**: WPM (palabras por minuto) y número de pausas.
+**Paso 1: Transcripción Fonética (IPA)**
+Para cada palabra de la **frase de referencia**, obtén su transcripción fonética estándar en IPA (Alfabeto Fonético Internacional) bajo el modelo de Inglés Americano General.
 
-**Tu proceso de análisis debe ser el siguiente:**
+**Paso 2: Descomposición en Fonemas**
+Descompón la transcripción IPA de cada palabra en sus fonemas constituyentes.
 
-1.  **Análisis Palabra por Palabra**: Compara la "frase de referencia" con la "transcripción de Whisper". Para cada palabra en la frase de referencia, determina si fue:
-    * **Correcta (100%)**: Pronunciada de forma clara e inteligible.
-    * **Incorrecta (0-50%)**: Pronunciada de forma que cambia el significado o es difícil de entender.
-    * **Omitida (0%)**: No se dijo.
-2.  **Calcular Accuracy Total**: Calcula el promedio de la puntuación de todas las palabras para obtener una calificación global de 0 a 100.
-3.  **Evaluar Fluidez**: Usa las métricas de WPM y pausas para escribir un breve análisis sobre el ritmo y la cadencia del hablante. (Ej. WPM < 100 es lento, WPM > 140 es fluido).
-4.  **Asignar Nivel MCERL**: Basándote en el accuracy, la fluidez y la complejidad de los errores, asigna un nivel de Marco Común Europeo (A1, A2, B1, B2, C1).
-5.  **Generar Feedback Adaptativo**: Crea una respuesta en inglés para el usuario. La respuesta debe ser retadora pero comprensible según el nivel que le asignaste.
+**Paso 3: Diagnóstico de Errores por Inferencia**
+Compara la **transcripción de Whisper** con la **frase de referencia**. Si Whisper transcribió una palabra de forma diferente (ej. "tink" en lugar de "think"), infiere qué fonema fue probablemente el incorrecto. Por ejemplo, un error en "think" a menudo implica que el fonema /θ/ se pronunció como /t/. Asigna un estado a cada fonema: 'Correcto' o 'A Mejorar'.
 
-**Tu respuesta DEBE ser únicamente un objeto JSON con esta estructura exacta:**
+**Paso 4: Generar la Respuesta Conversacional**
+Después del análisis técnico, crea una respuesta corta, amigable y humana que se relacione con el tema de la frase. Finaliza con una pregunta abierta para invitar al usuario a seguir hablando. (ej. "¡Excelente! Veo que hablamos de colores. ¿Cuál es tu color favorito y por qué?").
+
+**Formato de Salida Obligatorio:**
+Tu respuesta DEBE ser un objeto JSON válido, sin texto, explicaciones o comentarios adicionales fuera del JSON. La estructura debe ser la siguiente:
 {
-  "calificacion_general_100": integer,
-  "nivel_mcerl_estimado": "string (ej. B1)",
-  "analisis_por_palabra": [
+  "analisis_fonetico": [
     {
       "palabra": "string",
-      "accuracy": integer,
-      "feedback": "string (Feedback específico si hay un error, ej. 'La vocal 'a' sonó como 'e'.')"
+      "ipa_correcta": "string (ej. /ˈreɪn.boʊ/)",
+      "fonemas": [
+        {
+          "fonema": "string (ej. /r/)",
+          "estado": "string (Debe ser 'Correcto' o 'A Mejorar')",
+          "feedback": "string (Solo si el estado es 'A Mejorar', da un consejo técnico conciso, ej. 'La punta de la lengua debe vibrar cerca del paladar sin tocarlo.')"
+        }
+      ]
     }
   ],
-  "feedback_general_html": "string (Un párrafo en HTML con tu análisis sobre fluidez, prosodia y consejos generales.)",
-  "respuesta_adaptada_al_usuario": "string (El feedback final para el usuario, escrito en un inglés apropiado para su nivel.)"
+  "calificacion_general_100": integer,
+  "respuesta_conversacional": "string (Tu respuesta corta, amigable y con una pregunta abierta.)"
 }
 """
 
-
-# --- 1. FUNCIÓN DE EXTRACCIÓN DE CARACTERÍSTICAS (SIMPLIFICADA) ---
+# --- La función de extracción de métricas se mantiene igual ---
 def extract_audio_metrics(audio_path):
     try:
         y, sr = librosa.load(audio_path, sr=16000)
         duration = librosa.get_duration(y=y, sr=sr)
         if duration < 0.2: return {}
-
         result = whisper_model.transcribe(audio_path, word_timestamps=True, fp16=False)
-        if not result["segments"] or not result["segments"][0]["words"]: return {"text": result.get("text", "")}
-        
-        words = result["segments"][0]["words"]
-        num_words = len(words)
-        wpm = (num_words / duration) * 60 if duration > 0 else 0
-        
-        pauses = 0
-        for i in range(len(words) - 1):
-            if words[i+1]['start'] - words[i]['end'] > 0.5:
-                pauses += 1
-
-        return {
-            "text": result.get("text", ""),
-            "wpm": round(wpm, 2),
-            "num_pauses": pauses
-        }
+        return {"text": result.get("text", "")}
     except Exception as e:
         print(f"Error en extracción de métricas: {e}")
         return {}
 
 
-# --- 2. FUNCIÓN PRINCIPAL DE EVALUACIÓN (TODO CON LA API) ---
-def evaluate_with_openai(audio_input, reference_transcript):
-    if not api_key_found:
-        raise gr.Error("Clave de API de OpenAI no encontrada.")
+# --- CAMBIO CLAVE: La función principal ahora procesa el nuevo JSON ---
+def evaluate_pronunciation(audio_input, reference_transcript):
+    if not api_key_found: raise gr.Error("Clave de API de OpenAI no encontrada.")
     if audio_input is None or not reference_transcript:
-        return 0, "N/A", "Proporciona un audio y una transcripción.", "Esperando análisis...", "Esperando análisis..."
+        return "Por favor, proporciona un audio y una transcripción.", 0, None
 
     sr, y = audio_input
     temp_audio_path = "temp_audio.wav"
     sf.write(temp_audio_path, y, sr)
 
-    # 1. Extraer métricas básicas del audio
     audio_metrics = extract_audio_metrics(temp_audio_path)
-    if not audio_metrics:
-        return 0, "Error", "No se pudo procesar el audio.", "Error", "Error"
+    if not audio_metrics: return "Error al procesar el audio.", 0, None
 
-    # 2. Construir el prompt para la API
     user_prompt = f"""
     **Frase de referencia:** "{reference_transcript}"
-    **Transcripción de Whisper:** "{audio_metrics.get('text', '')}"
-    **Métricas de fluidez:**
-    - WPM: {audio_metrics.get('wpm', 'N/A')}
-    - Pausas (>0.5s): {audio_metrics.get('num_pauses', 'N/A')}
+    **Transcripción de Whisper:** "{audio_metrics.get('text', '(Silencio detectado)')}"
     """
 
-    # 3. Llamar a la API de OpenAI
-    print("Enviando a GPT-4o para evaluación completa...")
+    print("Enviando a GPT-4o para análisis fonético y conversacional...")
     response = client.chat.completions.create(
         model="gpt-4o",
         response_format={"type": "json_object"},
@@ -122,33 +101,26 @@ def evaluate_with_openai(audio_input, reference_transcript):
         ]
     )
 
-    # 4. Procesar y formatear la respuesta JSON
     try:
         result = json.loads(response.choices[0].message.content)
         
-        # Formatear el análisis por palabra en Markdown
-        word_analysis_md = "### Análisis por Palabra\n| Palabra | Puntuación | Feedback |\n| :--- | :--- | :--- |\n"
-        for item in result.get("analisis_por_palabra", []):
-            word_analysis_md += f"| {item.get('palabra')} | {item.get('accuracy')}% | {item.get('feedback')} |\n"
-
-        return (
-            result.get("calificacion_general_100", 0),
-            result.get("nivel_mcerl_estimado", "N/A"),
-            gr.HTML(result.get("feedback_general_html", "")),
-            word_analysis_md,
-            result.get("respuesta_adaptada_al_usuario", "")
-        )
+        # Extraer los datos del nuevo formato JSON
+        conversational_reply = result.get("respuesta_conversacional", "¡Buen intento! Inténtalo de nuevo.")
+        overall_score = result.get("calificacion_general_100", 0)
+        phonetic_analysis = result.get("analisis_fonetico", {})
+
+        return conversational_reply, overall_score, phonetic_analysis
 
     except (json.JSONDecodeError, KeyError) as e:
         print(f"Error procesando la respuesta de la API: {e}")
-        error_msg = "La respuesta de la API no tuvo el formato esperado. Inténtalo de nuevo."
-        return 0, "Error", error_msg, error_msg, error_msg
+        error_msg = "Lo siento, la respuesta de la API no tuvo el formato esperado. Por favor, intenta de nuevo."
+        return error_msg, 0, {"error": str(e)}
 
 
-# --- 3. INTERFAZ DE GRADIO ---
+# --- CAMBIO CLAVE: Nueva interfaz de Gradio más limpia ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 🤖 Evaluador de Pronunciación Impulsado por IA (v4)")
-    gr.Markdown("Graba tu voz diciendo la frase de referencia. La IA analizará cada palabra, tu fluidez, y te dará una calificación y feedback adaptado a tu nivel.")
+    gr.Markdown("# 🎤 Echo: Tu Tutor de Pronunciación (v5)")
+    gr.Markdown("Graba tu voz diciendo la frase de referencia. Recibirás una respuesta conversacional y un análisis técnico detallado de tu pronunciación.")
 
     frase_ejemplo = "The rainbow is a division of white light into many beautiful colors."
 
@@ -156,24 +128,20 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
         with gr.Column(scale=1):
             audio_in = gr.Audio(sources=["microphone"], type="numpy", label="1. Graba tu voz aquí")
             text_in = gr.Textbox(lines=3, label="2. Frase de Referencia", value=frase_ejemplo)
-            submit_btn = gr.Button("Evaluar Pronunciación", variant="primary")
+            submit_btn = gr.Button("Evaluar mi Pronunciación", variant="primary")
         
         with gr.Column(scale=2):
-            gr.Markdown("### Resultados de la Evaluación")
-            with gr.Row():
-                score_out = gr.Number(label="Calificación General (0-100)", scale=1)
-                level_out = gr.Textbox(label="Nivel MCERL Estimado", scale=1)
-            
-            feedback_html_out = gr.HTML(label="Análisis General de Fluidez y Prosodia")
-            word_analysis_out = gr.Markdown(label="Detalle por Palabra")
-
-    gr.Markdown("--- \n ### Mensaje de tu Tutor de IA")
-    adaptive_response_out = gr.Textbox(label="Feedback Adaptado a tu Nivel", lines=5)
+            gr.Markdown("### Respuesta de tu Tutor")
+            tutor_reply_out = gr.Textbox(label="Echo dice:", lines=4, interactive=False)
+            score_out = gr.Number(label="Calificación General (0-100)", interactive=False)
+    
+    with gr.Accordion("Ver Análisis Fonético Detallado", open=False):
+        phonetic_analysis_out = gr.JSON(label="Desglose Técnico por Palabra y Fonema")
 
     submit_btn.click(
-        fn=evaluate_with_openai,
+        fn=evaluate_pronunciation,
         inputs=[audio_in, text_in],
-        outputs=[score_out, level_out, feedback_html_out, word_analysis_out, adaptive_response_out]
+        outputs=[tutor_reply_out, score_out, phonetic_analysis_out]
     )
 
 if __name__ == "__main__":