app.py

import gradio as gr
from transformers import pipeline, AutoModelForCausalLM, AutoTokenizer
import torch
import os
import time
import asyncio
import edge_tts
import re
import random
import html
from functools import lru_cache

# Daha az bellek kullanımı için
torch.set_grad_enabled(False)

# Türkçe emoji sözlüğü - daha doğal yanıtlar için
TURKISH_EMOJIS = {
    "mutluluk": ["😊", "😄", "🙂", "😃", "🥰", "😍", "😁", "😀"],
    "sevgi": ["❤️", "💕", "💖", "💗", "💓", "💞", "💘", "🫶"],
    "üzüntü": ["😔", "😢", "😥", "😞", "🥺", "😟", "😓", "😩"],
    "şaşkınlık": ["😮", "😲", "😯", "😦", "😧", "🤯", "😱", "😵"],
    "destek": ["💪", "👍", "👊", "🤗", "🙌", "✨", "🌟", "⭐"],
    "başarı": ["🏆", "🎯", "🎉", "🎊", "🎖️", "🥇", "🌈", "💯"],
    "kötü durum": ["🤕", "😷", "🤒", "🤧", "🤔", "😕", "🫤", "😬"],
    "güç": ["💪", "🦾", "🚀", "⚡", "🔥", "✊", "🦸", "🛡️"],
    "doğa": ["🌿", "🌱", "🌺", "🌼", "🌸", "🍀", "🌳", "🌲"],
    "eğlence": ["🎮", "🎬", "🎵", "🎶", "🎭", "🎨", "🎧", "📚"],
}

# KİŞİLİK PROFİLLERİ - Farklı yanıt tarzları
PERSONALITY_PROFILES = {
    "motive_edici_koc": {
        "name": "Motive Edici Koç",
        "description": "Dinamik, enerjik bir koç gibi davranarak motivasyon veren kişilik",
        "temperature": 0.9,
        "prompt_prefix": "Bir kişisel gelişim ve motivasyon koçu olarak, enerjik ve motive edici bir şekilde yanıt ver. ",
        "voice": "tr-TR-EmelNeural",
        "qualities": ["canlandırıcı", "proaktif", "enerji dolu", "direktif"],
        "example": "Hedefine ulaşmak için her gün küçük adımlar atman yeterli! Kendine inanmayı unutma ve her zorlukta daha da güçleneceğini bil. Senden daha önce kimsenin başaramadığı şeyleri başarabilirsin!"
    },
    "anlayisli_dost": {
        "name": "Anlayışlı Dost",
        "description": "Sakin, anlayışlı ve empatik bir dinleyici gibi davranarak duygusal destek sağlayan kişilik",
        "temperature": 0.7,
        "prompt_prefix": "Anlayışlı ve empatik bir dost olarak, sakin ve içten bir şekilde yanıt ver. ",
        "voice": "tr-TR-EmelNeural",
        "qualities": ["empatik", "dinleyen", "anlayışlı", "sakinleştirici"],
        "example": "Yaşadığın zorlukları anlıyorum ve bu durumda hissettiğin her duygu tamamen normal. Seni yargılamadan dinliyorum ve yanındayım. Beraber bu zorluğun üstesinden geleceğiz."
    },
    "bilge_danisman": {
        "name": "Bilge Danışman",
        "description": "Deneyimli, bilge ve sakin bir danışman gibi davranarak derinlemesine içgörüler sunan kişilik",
        "temperature": 0.6,
        "prompt_prefix": "Bilge ve tecrübeli bir danışman olarak, düşünceli ve derin bir perspektifle yanıt ver. ",
        "voice": "tr-TR-AhmetNeural",
        "qualities": ["bilge", "düşünceli", "dengeli", "özlü"],
        "example": "Hayatın bu evresinde yaşadığın deneyim, aslında içsel gelişimin için bir fırsat sunuyor. Zorluklarla karşılaşmak, kişisel bilgeliğimizi derinleştirmenin ve gerçek benliğimizi keşfetmenin bir yoludur."
    },
    "pozitif_arkadas": {
        "name": "Pozitif Arkadaş",
        "description": "Her zaman olumlu yönleri gören, neşeli ve eğlenceli kişilik",
        "temperature": 0.85,
        "prompt_prefix": "Pozitif ve neşeli bir arkadaş olarak, keyifli ve umut dolu bir şekilde yanıt ver. ",
        "voice": "tr-TR-EmelNeural",
        "qualities": ["neşeli", "iyimser", "eğlenceli", "umut dolu"],
        "example": "Harika olacak her şey! Hayat güzel sürprizlerle dolu ve bu dönem de geçecek. Birlikte eğlenecek ve güzel anılar biriktirecek çok zamanımız var!"
    }
}

# Varsayılan kişilik
DEFAULT_PERSONALITY = "anlayisli_dost"

# UZMAN ÖNERİLERİ - Farklı durumlar için öneriler
EXPERT_RECOMMENDATIONS = {
    "stress_yonetimi": [
        {
            "title": "Nefes Egzersizi: 4-7-8 Tekniği",
            "description": "4 saniye nefes al, 7 saniye tut, 8 saniye boyunca yavaşça ver. Bu egzersiz, sempatik sinir sistemini sakinleştirir ve stres hormonlarını düzenler.",
            "benefit": "Anında rahatlama ve sakinleşme",
            "when_to_use": "Stres ve kaygı anlarında"
        },
        {
            "title": "Zihinsel Tarama Meditasyonu",
            "description": "Vücudunu baştan ayağa kadar zihinsel olarak tara ve her bölgedeki gerginliği fark et. Her nefes verişinde, o bölgedeki gerginliği bırakmaya odaklan.",
            "benefit": "Fiziksel gerginliği azaltma",
            "when_to_use": "Uyumadan önce veya molalarda"
        },
        {
            "title": "5-4-3-2-1 Farkındalık Tekniği",
            "description": "Şu anda görebildiğin 5 şey, duyabildiğin 4 ses, dokunabildiğin 3 şey, koklayabildiğin 2 koku ve tadabildiğin 1 tat bul.",
            "benefit": "Anksiyete durumlarından çıkma",
            "when_to_use": "Panik atak veya aşırı kaygı anlarında"
        }
    ],
    "uyku_problemleri": [
        {
            "title": "Progresif Kas Gevşetme",
            "description": "Ayak parmaklarından başlayarak, her kas grubunu sırayla gerip sonra gevşet. Her grup için 5 saniye ger, 10 saniye gevşet.",
            "benefit": "Uykuya dalmayı kolaylaştırma",
            "when_to_use": "Yatmadan 20-30 dakika önce"
        },
        {
            "title": "Uyku Hijyeni Rutini",
            "description": "Her gece aynı saatte yat, mavi ışık yayan cihazları yatmadan 1 saat önce kapat, yatak odanı serin ve karanlık tut.",
            "benefit": "Uyku düzenini iyileştirme",
            "when_to_use": "Her gün düzenli olarak"
        }
    ],
    "motivasyon_eksikligi": [
        {
            "title": "5 Dakika Kuralı",
            "description": "Sadece 5 dakika boyunca o işi yapmaya başlayacağına dair kendine söz ver. Genellikle başladıktan sonra devam etmek kolaylaşır.",
            "benefit": "Ertelemeyi yenme",
            "when_to_use": "Bir işe başlamakta zorlandığında"
        },
        {
            "title": "Küçük Hedefler Belirleme",
            "description": "Büyük hedefi küçük, ulaşılabilir adımlara böl ve her birini tamamladıkça kendini ödüllendir.",
            "benefit": "İlerleme hissi ve motivasyon",
            "when_to_use": "Büyük ve zorlu görevlerde"
        }
    ],
    "kaygi_ve_panik": [
        {
            "title": "STOP Tekniği",
            "description": "S (Stop): Dur. T (Take a breath): Nefes al. O (Observe): Duygularını gözlemle. P (Proceed): Devam et.",
            "benefit": "Olumsuz düşünce döngüsünü kırma",
            "when_to_use": "Kontrolden çıkmış hissettiğinde"
        },
        {
            "title": "Soğuk Su Tekniği",
            "description": "Yüzüne soğuk su çarp veya bileğinin iç kısmına soğuk bir nesne (buz, soğuk su) temas ettir.",
            "benefit": "Parasempatik sinir sistemini aktive etme",
            "when_to_use": "Şiddetli kaygı veya panik anında"
        }
    ],
    "duygusal_acı": [
        {
            "title": "Üç Dakika Kabul Etme",
            "description": "Üç dakika boyunca, yargılamadan şu anki duygularını kabul et. Hissettiğin duyguya 'Evet, şu an bunu hissediyorum ve bu normal' de.",
            "benefit": "Duygusal direnç yerine kabul etme",
            "when_to_use": "Yoğun duygusal acı yaşarken"
        },
        {
            "title": "Duygu Günlüğü",
            "description": "Günün belirli zamanlarında duygularını ve bu duyguları tetikleyen düşünceleri not et.",
            "benefit": "Duygusal farkındalık ve örüntüleri tanıma",
            "when_to_use": "Duygusal dalgalanmalar yaşadığın dönemlerde"
        }
    ],
    "sosyal_kaygi": [
        {
            "title": "Önceden Hazırlık",
            "description": "Sosyal ortamlara girmeden önce konuşabileceğin birkaç genel konu veya soru hazırla.",
            "benefit": "Özgüven artışı ve kaygı azalması",
            "when_to_use": "Sosyal etkinliklerden önce"
        },
        {
            "title": "Kademeli Maruz Kalma",
            "description": "Önce daha az kaygı verici sosyal durumlarla başlayıp, yavaş yavaş daha zorlu ortamlara geç.",
            "benefit": "Sosyal becerileri geliştirme",
            "when_to_use": "Sosyal fobiye karşı uzun vadeli çalışma"
        }
    ]
}

# Duygu Analizi Modeli
print("Duygu analizi modeli yükleniyor...")
sentiment_model = pipeline(
    "sentiment-analysis", 
    model="distilbert-base-uncased-finetuned-sst-2-english",
    device=-1  # CPU üzerinde çalıştır
)
print("Duygu analizi modeli yüklendi.")

# Türkçe Metin Üretme Modeli
print("Metin üretme modeli yükleniyor...")
tokenizer = AutoTokenizer.from_pretrained("ytu-ce-cosmos/turkish-gpt2")
text_model = AutoModelForCausalLM.from_pretrained("ytu-ce-cosmos/turkish-gpt2")
print("Metin modeli yüklendi.")

# Türkçe kadın sesi kullanacağız
VOICE = "tr-TR-EmelNeural"

# Kaçınılması gereken kelimeler - toksik veya olumsuz ifadeler
NEGATIVE_WORDS = [
    "öl", "gebert", "öldür", "intihar", "zarar ver", "acı çek", "lanet", 
    "aptal", "salak", "gerizekalı", "ahmak", "saçma", "beş para etmez",
    "başarısız", "beceriksiz", "yetersiz", "berbat", "rezil", "iğrenç",
    "boşver", "vazgeç", "umurumda değil", "imkansız", "boşuna", "nafile",
    "asla", "kesinlikle olmaz", "faydasız", "işe yaramaz", "siktir", "sikerim",
    "piç", "orospu", "şerefsiz", "bok", "yarrak", "amk"
]

# Isınma mesajları - soğuk başlangıçları önlemek için
WARMUP_PROMPTS = [
    "Bana moral ver, çok üzgünüm.",
    "Bugün çok mutluyum, harika bir gün geçirdim!",
    "İşimi kaybettim ve ne yapacağımı bilmiyorum.",
    "Yeni bir iş teklifi aldım, çok heyecanlıyım!",
    "Hayatımda hiçbir şey yolunda gitmiyor gibi hissediyorum."
]

def init_models():
    """Modelleri ısındır"""
    for prompt in WARMUP_PROMPTS[:2]:  # Sadece 2 prompt kullan, zaman kazanmak için
        sentiment_result = sentiment_model(prompt)[0]
        label = sentiment_result['label']
        score = sentiment_result['score']
        
        prompt_obj = create_better_prompts(prompt, label, score)
        
        inputs = tokenizer(prompt_obj, return_tensors="pt")
        text_model.generate(
            inputs["input_ids"], 
            max_length=100, 
            num_return_sequences=1,
            do_sample=True,
            temperature=0.7,
            pad_token_id=tokenizer.eos_token_id
        )
    print("Modeller ısındırıldı ve çalışmaya hazır.")

def add_emojis(text, emotion, count=1):
    """Duygu durumuna göre metne emoji ekler"""
    if emotion in TURKISH_EMOJIS:
        emoji_list = TURKISH_EMOJIS[emotion]
        selected_emojis = random.sample(emoji_list, min(count, len(emoji_list)))
        
        # %50 ihtimalle metnin başına, %50 ihtimalle sonuna emoji ekle
        if random.random() < 0.5:
            result = " ".join(selected_emojis) + " " + text
        else:
            result = text + " " + " ".join(selected_emojis)
        return result
    return text

def detect_emotion_from_text(text, label, score):
    """Metinden duygu durumunu tespit eder"""
    text_lower = text.lower()
    
    # Pozitif duygular
    if label == "POSITIVE" or score > 0.9:
        if any(word in text_lower for word in ["harika", "muhteşem", "mükemmel", "süper", "olağanüstü"]):
            return "mutluluk", 2  # Daha fazla emoji
        elif any(word in text_lower for word in ["seviyorum", "aşk", "sevgi", "kalp", "özledim"]):
            return "sevgi", 1
        elif any(word in text_lower for word in ["başardım", "kazandım", "başarı", "tamamladım"]):
            return "başarı", 2
        else:
            return "mutluluk", 1
    
    # Negatif duygular
    elif label == "NEGATIVE":
        if any(word in text_lower for word in ["üzgün", "kederli", "mutsuz", "hüzün", "ağlıyorum"]):
            return "üzüntü", 1
        elif any(word in text_lower for word in ["hasta", "ağrı", "acı", "kötü hissediyorum"]):
            return "kötü durum", 1
        else:
            return "destek", 1
    
    # Varsayılan
    return "destek", 0

def is_inappropriate(text):
    """Uygunsuz veya zararlı içerik kontrolü yapar"""
    text_lower = text.lower()
    
    # Olumsuz kelimeler
    for word in NEGATIVE_WORDS:
        if word in text_lower:
            return True, f"Üzgünüm, mesajınızda uygunsuz içerik tespit edildi. Lütfen daha olumlu bir dille tekrar deneyin."
    
    # Çok uzun veya çok kısa metinler
    if len(text) > 500:
        return True, "Mesajınız çok uzun. Lütfen daha kısa bir mesaj yazın (maksimum 500 karakter)."
    elif len(text.strip()) < 3:
        return True, "Mesajınız çok kısa. Lütfen nasıl hissettiğinizi biraz daha detaylı anlatın."
    
    return False, ""

@lru_cache(maxsize=32)
def is_question_or_command(text):
    """Metnin bir soru veya komut olup olmadığını kontrol eder - performans için önbellekleniyor"""
    # Metin boşsa veya çok kısaysa
    if not text or len(text.strip()) < 3:
        return False
    
    # HTML özel karakterlerini temizle
    text = html.unescape(text)
    
    # Soru işareti içeriyor mu?
    if "?" in text:
        return True
    
    # Türkçe soru kelimeleri ile başlıyor mu?
    question_starters = [
        "nasıl", "neden", "ne zaman", "nerede", "kim", "hangi", "kaç", "ne", "niye", 
        "niçin", "nedir", "mı", "mi", "mu", "mü", "nereden", "neresi", "kime", "kimde"
    ]
    text_lower = text.lower()
    
    # Daha kapsamlı kontrol - kelimenin başında, ortasında veya sonunda olabilir
    for starter in question_starters:
        if (text_lower.startswith(starter) or 
            f" {starter} " in text_lower or 
            f" {starter}?" in text_lower or
            f" {starter}." in text_lower or
            text_lower.endswith(f" {starter}")):
            return True
    
    # Emir kipi veya rica kipi var mı?
    command_patterns = [
        r'\b(yap|söyle|anlat|göster|ver|aç|kapat|git|gel|bul|ara|başla|bitir|dur|oku|yaz|dinle)\b',
        r'lütfen', r'rica', r'yapar mısın', r'mümkün mü', r'edebilir misin'
    ]
    for pattern in command_patterns:
        if re.search(pattern, text_lower):
            return True
    
    return False

def normalize_text(text):
    """Metni normalize eder"""
    # HTML özel karakterlerini temizle
    text = html.unescape(text)
    
    # Fazla boşlukları temizle
    text = re.sub(r'\s+', ' ', text).strip()
    
    # Türkçe karakterleri düzeltme
    replacements = {
        'İ': 'i', 'I': 'ı', 'i̇': 'i',
        'ğ': 'ğ', 'Ğ': 'Ğ', 'ş': 'ş', 'Ş': 'Ş', 
        'ç': 'ç', 'Ç': 'Ç', 'ö': 'ö', 'Ö': 'Ö',
        'ü': 'ü', 'Ü': 'Ü'
    }
    
    for old, new in replacements.items():
        text = text.replace(old, new)
    
    return text

def create_better_prompts(text, label, score):
    """Kullanıcı girdisiyle daha alakalı yanıtlar üretmek için prompt yapısını iyileştir"""
    
    # Metni normalize et
    text = normalize_text(text)
    
    # Kişilik profilini belirle
    emotion, _ = detect_emotion_from_text(text, label, score)
    personality = get_personality_profile(text, emotion)
    
    # Ana konuyu çıkart
    keywords = re.sub(r'[^\w\s]', '', text.lower()).split()
    keywords = [w for w in keywords if len(w) > 3 and w not in ["nasıl", "neden", "ama", "fakat", "çünkü", "gibi", "kadar", "için"]]
    
    # Ortak kılavuz ilkeler - alakalı ve tutarlı yanıtlar için
    common_guide = f"""Önemli: Bu kişinin mesajına DOĞRUDAN ilgili bir yanıt ver. Konu dışına çıkma.

Kullanıcının asıl sorunu: '{text}'

Mesajın ana konusu: {' '.join(keywords[:5]) if keywords else text}

Mesajın duygu tonu: {emotion}



Şu kurallara mutlaka uy:

1. Kullanıcının mesajına doğrudan cevap ver, alakasız konulara girme

2. Gerçek ve ilgili içerik üret, hayal ürünü veya alakasız hiçbir şey ekleme

3. Sadece kullanıcının belirttiği durum/problem üzerine konuş

4. Başka kullanıcılar veya senaryolardan bahsetme, sadece şu anki kullanıcının durumuna odaklan

"""
    
    # Soru veya komut kontrol et
    if is_question_or_command(text):
        return f"""{personality['prompt_prefix']}

{common_guide}

Bu kişi sana bir soru sormuş veya bir istekte bulunmuş. 

Kullanıcının sorusuna veya isteğine doğrudan cevap ver: '{text}'



Yanıt:"""
    
    # Duygu durumuna göre prompt oluştur - daha alakalı ve daha az şablon yaklaşım
    if label == "NEGATIVE":
        if score > 0.85:  # Çok olumsuz
            prompt = f"""{personality['prompt_prefix']}

{common_guide}

Kişinin ifade ettiği problem: '{text}'

Bu probleme yönelik, kişiselleştirilmiş ve spesifik bir yanıt ver. 

Standart tavsiyeler veya genel teselli cümleleri kullanmaktan kaçın.



Şu formatta cevap verme: "Anlıyorum, bu zor bir durum..." veya "Üzüldüm, senin için..."

Bunun yerine, doğrudan duruma yönelik içgörü ve destek sağla.



Yanıt:"""
        else:  # Orta derecede olumsuz
            prompt = f"""{personality['prompt_prefix']}

{common_guide}

Kişinin ifade ettiği durum: '{text}'

Bu duruma özel ve alakalı bir yanıt ver.



Genel ifadelerden ve klişelerden kaçın. Bunun yerine, kişinin spesifik durumunu ele al.

Kullanıcının tam olarak neye endişelendiği veya üzüldüğü konusuna odaklan.



Yanıt:"""
    elif label == "POSITIVE":
        prompt = f"""{personality['prompt_prefix']}

{common_guide}

Kişinin ifade ettiği olumlu durum: '{text}'

Bu olumlu duruma özel ve alakalı bir yanıt ver.



Genel tebrik ifadeleri yerine, kişinin spesifik başarısına veya mutlu olduğu konuya odaklan.

Kullanıcının tam olarak neden mutlu olduğunu veya neyi başardığını ele al.



Yanıt:"""
    else:  # Nötr
        prompt = f"""{personality['prompt_prefix']}

{common_guide}

Kişinin ifade ettiği durum: '{text}'

Bu duruma özel ve alakalı bir yanıt ver.



Kullanıcının ifade ettiği durumu veya konuyu dikkatle ele al. Konudan sapmadan yanıt ver.

Kişinin ne söylediğini dikkate alarak cevabını oluştur.



Yanıt:"""
    
    return prompt

def process_input(text, personality_choice=None):
    """Kullanıcı girdisini işle - Tamamen iyileştirilmiş, hataya dayanıklı ve performans odaklı versiyon"""
    
    # İşlem izleme için zaman ölçümü ve benzersiz istek ID'si
    start_time = time.time()
    request_id = f"req_{int(time.time())}_{random.randint(1000, 9999)}"
    
    # Log sistemi
    def log(message, level="INFO"):
        timestamp = time.strftime("%Y-%m-%d %H:%M:%S")
        print(f"[{timestamp}] [{level}] [ID:{request_id}] {message}")
    
    log(f"Yeni istek başladı: '{text[:50]}...' (Personality: {personality_choice})")
    
    try:
        # Giriş doğrulama ve ön işleme
        if not text:
            log("Boş giriş alındı", "WARNING")
            return "Lütfen düşüncelerinizi veya duygularınızı paylaşın.", None
        
        # Çok uzun girişleri sınırla
        if len(text) > 1000:
            text = text[:1000]
            log("Çok uzun giriş kısaltıldı", "WARNING")
        
        # Metni normalize et - hataya dayanıklı
        try:
            text = normalize_text(text)
        except Exception as e:
            log(f"Metin normalizasyon hatası: {str(e)}", "ERROR")
            # Basit alternatif temizleme
            text = re.sub(r'\s+', ' ', text).strip()
        
        log(f"İstek normalizasyon sonrası: {text[:50]}...")
        
        # Uygunsuz içerik kontrolü
        try:
            is_bad, error_msg = is_inappropriate(text)
            if is_bad:
                log(f"Uygunsuz içerik tespit edildi: {error_msg}", "WARNING")
                return error_msg, None
        except Exception as e:
            log(f"İçerik kontrolü hatası: {str(e)}", "ERROR")
            # Hata durumunda kontrole devam et, ancak içeriği kabul et
        
        # Bellek yönetimi - uzun süreli oturumlar için
        if hasattr(torch, "cuda") and torch.cuda.is_available():
            try:
                # GPU belleğini temizle
                torch.cuda.empty_cache()
                log("GPU belleği temizlendi", "DEBUG")
            except Exception as e:
                log(f"GPU bellek temizleme hatası: {str(e)}", "WARNING")
        
        # Duygu analizi yap - performans optimize edilmiş
        try:
            # Hafif model kullanım kontrolü
            start_sentiment = time.time()
            sentiment_result = sentiment_model(text)[0]
            sentiment_time = time.time() - start_sentiment
            
            label = sentiment_result['label']
            score = sentiment_result['score']
            log(f"Duygu analizi sonucu: {label} ({score:.2f}) - {sentiment_time:.2f}sn", "INFO")
            
        except Exception as e:
            log(f"Duygu analizi hatası: {str(e)}", "ERROR")
            # Basit yedek analiz
            label = "NEUTRAL" 
            score = 0.5
            
            # Basit duygu analizi
            negative_words = ["üzgün", "kötü", "mutsuz", "endişe", "korku", "sinir", "kaygı"]
            positive_words = ["mutlu", "iyi", "güzel", "harika", "sevgi", "başarı", "memnun"]
            
            text_lower = text.lower()
            neg_count = sum(1 for word in negative_words if word in text_lower)
            pos_count = sum(1 for word in positive_words if word in text_lower)
            
            if neg_count > pos_count:
                label = "NEGATIVE"
                score = 0.7 + (0.2 * min(1, neg_count/3))
            elif pos_count > neg_count:
                label = "POSITIVE"
                score = 0.7 + (0.2 * min(1, pos_count/3))
                
            log("Yedek duygu analizi kullanıldı", "WARNING")
        
        # Kişilik ve profil belirleme - hata toleranslı
        try:
            # Duygu durumu tespiti
            emotion, emoji_count = detect_emotion_from_text(text, label, score)
            log(f"Duygu durumu: {emotion}, emoji sayısı: {emoji_count}", "INFO")
            
            # Kişilik seçimi
            if personality_choice:
                # Doğrudan kimlik kontrolü
                if personality_choice in PERSONALITY_PROFILES:
                    personality = PERSONALITY_PROFILES[personality_choice]
                    log(f"Seçili kişilik kullanıldı: {personality_choice}", "INFO")
                else:
                    # İsim ile arama
                    found = False
                    for pid, p in PERSONALITY_PROFILES.items():
                        if p["name"].lower() == personality_choice.lower():
                            personality = p
                            personality_choice = pid
                            found = True
                            log(f"İsimle eşleşen kişilik bulundu: {pid}", "INFO")
                            break
                    
                    if not found:
                        # Bulunamazsa benzerlik kontrolü
                        best_match = None
                        best_score = 0
                        for pid, p in PERSONALITY_PROFILES.items():
                            # Basit benzerlik skoru
                            name = p["name"].lower()
                            choice = personality_choice.lower()
                            words1 = set(name.split())
                            words2 = set(choice.split())
                            common_words = words1.intersection(words2)
                            
                            if common_words:
                                score = len(common_words) / max(len(words1), len(words2))
                                if score > best_score and score > 0.3:
                                    best_score = score
                                    best_match = pid
                        
                        if best_match:
                            personality = PERSONALITY_PROFILES[best_match]
                            log(f"Benzer kişilik bulundu: {best_match} (benzerlik: {best_score:.2f})", "INFO")
                        else:
                            # Varsayılan kişilik
                            personality = PERSONALITY_PROFILES[DEFAULT_PERSONALITY]
                            log(f"Kişilik bulunamadı, varsayılan kullanılıyor", "WARNING")
            else:
                # Otomatik kişilik seçimi
                personality = get_personality_profile(text, emotion)
                log(f"Otomatik kişilik seçildi: {personality['name']}", "INFO")
            
            # Kişiliğe uygun ses
            VOICE = personality.get("voice", "tr-TR-EmelNeural")
            log(f"Ses seçildi: {VOICE}", "DEBUG")
            
        except Exception as e:
            log(f"Kişilik belirleme hatası: {str(e)}", "ERROR")
            import traceback
            log(traceback.format_exc(), "DEBUG")
            
            # Varsayılan kişilik ve duygu durumu
            personality = PERSONALITY_PROFILES[DEFAULT_PERSONALITY]
            emotion = "destek"
            emoji_count = 0
            VOICE = "tr-TR-EmelNeural"
            log("Varsayılan kişilik ve duygu durumu kullanılıyor", "WARNING")
        
        # Prompt oluşturma - daha güvenli ve etkin
        try:
            log("Prompt oluşturuluyor...", "DEBUG")
            prompt = create_better_prompts(text, label, score)
            
            # Prompt'un çok uzun olup olmadığını kontrol et
            if len(prompt) > 1000:
                log("Prompt çok uzun, kısaltılıyor", "WARNING")
                prompt = prompt[:1000]
                
            log(f"Prompt hazır: {prompt[:100]}...", "INFO")
            
        except Exception as e:
            log(f"Prompt oluşturma hatası: {str(e)}", "ERROR")
            # Basit yedek prompt
            prompt = f"Bu kişinin mesajına sıcak ve destekleyici bir şekilde yanıt ver: '{text}'"
            log("Basit yedek prompt kullanılıyor", "WARNING")
        
        # Metin üretimi - optimize edilmiş ve hata korumalı
        try:
            log("Metin üretiliyor...", "INFO")
            
            # Metin üretimi için zaman ölçümü
            start_generation = time.time()
            
            # Maximum 3 defa üretim denemesi yap
            response = generate_turkish_text(prompt, max_length=350)
            
            generation_time = time.time() - start_generation
            log(f"Metin üretildi ({generation_time:.2f}sn): {response[:50]}...", "INFO")
            
            # Hızlı doğrulama kontrolü
            if not response or len(response.strip()) < 10:
                log("Üretilen yanıt çok kısa - yedek yanıt", "WARNING")
                # Duygu durumuna göre yedek yanıt
                if emotion == "üzüntü":
                    response = "Bu durumun senin için ne kadar zor olduğunu anlıyorum. Biraz daha anlatmak ister misin?"
                elif emotion == "mutluluk":
                    response = "Bu harika bir durum! Kendini nasıl hissettiğini biraz daha anlatır mısın?"
                elif emotion == "endişe":
                    response = "Endişelerini anlıyorum. Bu durum hakkında ne düşünüyorsun?"
                else:
                    response = "Anlattıkların için teşekkür ederim. Bu konuda daha fazla konuşmak ister misin?"
            
        except Exception as e:
            log(f"Metin üretme hatası: {str(e)}", "ERROR")
            import traceback
            log(traceback.format_exc(), "DEBUG")
            
            # Genel yedek yanıt
            response = "Seninle bu konu hakkında konuşmak isterim. Biraz daha anlatır mısın?"
            log("Genel yedek yanıt kullanıldı", "WARNING")
        
        # Yanıt temizliği ve kalite kontrolü
        try:
            response = clean_response(response)
            log(f"Temizlenmiş yanıt: {response[:50]}...", "DEBUG")
            
            # Kalite değerlendirmesi
            try:
                quality_score = score_response_quality(response)
                log(f"Yanıt kalite skoru: {quality_score:.2f}", "INFO")
                
                if quality_score < 0.4:
                    log("Düşük kaliteli yanıt tespit edildi", "WARNING")
                    # Daha iyi alternatif yanıtlar
                    alternatives = [
                        f"Anlattıkların benim için önemli. Bu konuda neler hissediyorsun?",
                        f"Bu durumda kendini nasıl hissettiğini merak ediyorum. Biraz daha açıklar mısın?",
                        f"Söylediklerini dinliyorum. Bu konuda başka neler eklemek istersin?",
                        f"Bu konudaki düşüncelerin benim için değerli. Devam etmek ister misin?"
                    ]
                    response = random.choice(alternatives)
                    log("Alternatif yüksek kalite yanıt kullanıldı", "INFO")
            except Exception as e:
                log(f"Kalite değerlendirme hatası: {str(e)}", "ERROR")
                # Kalite kontrolü atlama
                
        except Exception as e:
            log(f"Yanıt temizleme hatası: {str(e)}", "ERROR")
            # Basit bir temizleme işlemi
            response = re.sub(r'\s+', ' ', response).strip()
            if response:
                response = response[0].upper() + response[1:]
                if not response[-1] in ['.', '!', '?']:
                    response += '.'
            log("Basit yanıt temizliği uygulandı", "WARNING")
        
        # Uzman önerileri - doğru durumlarda ve kaliteli içerik
        try:
            if label == "NEGATIVE" and score > 0.7 and random.random() < 0.5:
                log("Uzman önerileri değerlendiriliyor", "DEBUG")
                recommendations = get_appropriate_expert_recommendations(text, emotion, score)
                
                if recommendations:
                    log(f"{len(recommendations)} öneri bulundu", "INFO")
                    formatted_recs = format_recommendations(recommendations)
                    
                    # Yanıtı çok uzatmadan ekle
                    if len(response) + len(formatted_recs) <= 800:
                        response += formatted_recs
                        log("Uzman önerileri eklendi", "INFO")
                    else:
                        log("Öneriler çok uzun, eklenmedi", "WARNING")
        except Exception as e:
            log(f"Uzman önerileri hatası: {str(e)}", "ERROR")
            # Önerileri ekleme
        
        # Emoji ekleme - doğal ve uygun sayıda
        try:
            # Kişilik emoji kullanım eğilimi
            emoji_prob = 0.4  # Varsayılan olasılık
            if personality_choice == "pozitif_arkadas":
                emoji_prob = 0.7  # Pozitif arkadaş daha fazla emoji kullanır
            elif personality_choice == "bilge_danisman":
                emoji_prob = 0.2  # Bilge danışman daha az emoji kullanır
            
            if random.random() < emoji_prob:
                response = add_emojis(response, emotion, min(2, emoji_count))  # Maksimum 2 emoji
                log("Emoji eklendi", "DEBUG")
        except Exception as e:
            log(f"Emoji ekleme hatası: {str(e)}", "ERROR")
            # Emoji eklememe
        
        # Sesli yanıt oluşturma - optimize edilmiş
        try:
            log("Sesli yanıt üretiliyor...", "INFO")
            start_speech = time.time()
            
            # Her durumda ses üretmeyi dene
            audio_path = create_speech(response)
            
            speech_time = time.time() - start_speech
            log(f"Sesli yanıt oluşturuldu ({speech_time:.2f}sn): {audio_path}", "INFO")
            
            # Ses dosyası kontrolü
            if audio_path and os.path.exists(audio_path) and os.path.getsize(audio_path) > 100:
                log("Ses dosyası doğrulandı", "DEBUG")
            else:
                log("Ses dosyası oluşturulamadı veya geçersiz", "WARNING")
                audio_path = None
        except Exception as e:
            log(f"Ses üretme hatası: {str(e)}", "ERROR")
            audio_path = None
        
        # İşlem özeti
        process_time = time.time() - start_time
        log(f"İşlem tamamlandı ({process_time:.2f} saniye)", "INFO")
        
        # Final kalite kontrolü - kritik son adım
        if not response or len(response.strip()) < 5:
            log("Kritik: Final yanıt boş veya çok kısa", "ERROR")
            response = "Merhaba! Seninle sohbet etmek güzel. Nasıl yardımcı olabilirim?"
        
        return response, audio_path
        
    except Exception as e:
        # En üst seviye hata yakalama - kritik
        error_msg = f"Kritik işlem hatası: {str(e)}"
        log(error_msg, "CRITICAL")
        
        import traceback
        log(f"Hata detayı: {traceback.format_exc()}", "DEBUG")
        
        # Her durumda tutarlı bir yanıt dönün
        return "Seninle konuşmak istiyorum. Lütfen düşüncelerini benimle paylaşmaya devam et.", None

# Demo başlığı ve açıklaması
title = "MoodF - Duygusal Destek Asistanı"
description = """

## MoodF - Duygusal Destek Asistanı

Duygularınızı paylaşın, ben size destek olayım. 

Bu uygulama yapay zeka kullanarak duygularınızı analiz eder ve size destekleyici yanıtlar verir.



**Nasıl kullanılır:**

1. Nasıl hissettiğinizi yazın

2. İsterseniz kişilik tercihinizi yapın

3. "Gönder" düğmesine tıklayın

4. MoodF'in yazılı ve doğal sesli yanıtını alın

"""

# Arayüz tasarımı
with gr.Blocks(title=title) as demo:
    gr.Markdown(description)
    
    with gr.Row():
        with gr.Column():
            text_input = gr.Textbox(
                placeholder="Nasıl hissettiğinizi buraya yazın...", 
                label="Duygularınız",
                lines=4
            )
            
            # KİŞİLİK SEÇİMİ
            personality_dropdown = gr.Dropdown(
                choices=[p["name"] for p in PERSONALITY_PROFILES.values()],
                value=PERSONALITY_PROFILES[DEFAULT_PERSONALITY]["name"],
                label="Kişilik tercihi (isteğe bağlı)",
                info="Size nasıl yanıt vermemi istersiniz?"
            )
            
            submit_btn = gr.Button("Gönder", variant="primary")
        
        with gr.Column():
            text_output = gr.Textbox(label="MoodF'in yanıtı", lines=4)
            audio_output = gr.Audio(label="Sesli yanıt", type="filepath")
            
    # Kişilik açıklaması
    personality_info = gr.Markdown("""

    **Kişilik Profilleri:**

    - **Anlayışlı Dost:** Sakin, empatik ve duygusal destek sağlayan bir dost gibi davranır.

    - **Motive Edici Koç:** Enerjik, istekli ve motive edici bir koç gibi davranır.

    - **Bilge Danışman:** Deneyimli, bilge ve dengeli bir danışman gibi davranır.

    - **Pozitif Arkadaş:** Neşeli, eğlenceli ve iyimser bir arkadaş gibi davranır.

    """)
            
    # Örnek girdiler
    gr.Examples(
        [
            ["Bugün kendimi gerçekten kötü hissediyorum, her şey ters gidiyor."],
            ["İş yerinde çok stres altındayım ve kendimi değersiz hissediyorum."],
            ["Harika bir gün geçirdim, her şey yolunda gidiyor!"],
            ["Ailem beni anlamıyor ve yalnız hissediyorum."],
            ["Yeni bir başarı elde ettim ve çok gururluyum!"]
        ],
        inputs=text_input,
        outputs=[text_output, audio_output],
        fn=lambda text: process_input(text),
        cache_examples=False,
    )
    
    # Kişilik seçimi fonksiyonu
    def process_with_personality(text, personality_name):
        # Kişilik adını kimliğe çevir
        personality_id = None
        for pid, p in PERSONALITY_PROFILES.items():
            if p["name"] == personality_name:
                personality_id = pid
                break
        
        return process_input(text, personality_id)
    
    # İşlem düğmesine tıklama olayı
    submit_btn.click(
        fn=process_with_personality,
        inputs=[text_input, personality_dropdown],
        outputs=[text_output, audio_output],
        api_name="predict"
    )

# Eşzamanlı istek sayısı ve API aktifleştirme
demo.queue()
demo.launch(debug=True)

# Tüm fonksiyonlar tanımlandıktan sonra modelleri ısındır
init_models() 

async def create_speech_async(text):
    """Edge TTS ile doğal insan sesi üret - iyileştirilmiş hata yönetimi"""
    try:
        if not text or len(text.strip()) < 1:
            return None
            
        # Ses parametrelerini ayarla - daha doğal bir konuşma için
        communicate = edge_tts.Communicate(text, VOICE)
        audio_path = "response.mp3"
        
        # Dosya zaten varsa sil
        if os.path.exists(audio_path):
            os.remove(audio_path)
            
        await communicate.save(audio_path)
        
        # Dosyanın başarıyla oluşturulduğunu kontrol et
        if os.path.exists(audio_path) and os.path.getsize(audio_path) > 0:
            return audio_path
        return None
        
    except Exception as e:
        print(f"Ses oluşturma hatası: {str(e)}")
        return None

def create_speech(text):
    """Ana thread'de async fonksiyonu çalıştır - hata yönetimi eklenmiş"""
    try:
        if not text or len(text.strip()) < 1:
            print("Ses oluşturulamadı: Metin boş")
            return None
            
        # Metni normalize et
        text = normalize_text(text)
        
        # Async işlemi çalıştır
        loop = asyncio.new_event_loop()
        asyncio.set_event_loop(loop)
        result = loop.run_until_complete(create_speech_async(text))
        loop.close()
        
        if result:
            return result
            
        # Ses oluşturulamazsa boş ses dosyası oluştur
        print("Ses dosyası oluşturulamadı, boş dosya döndürülüyor")
        with open("empty.mp3", "wb") as f:
            f.write(b"")
        return "empty.mp3"
        
    except Exception as e:
        print(f"Ses oluşturma hatası: {str(e)}")
        # Boş ses dosyası oluştur
        with open("empty.mp3", "wb") as f:
            f.write(b"")
        return "empty.mp3"

def get_appropriate_expert_recommendations(text, emotion, score):
    """Kullanıcının durumuna uygun uzman önerileri seçer"""
    text_lower = text.lower()
    
    # Uygun öneri kategorisini seç
    if "uyuyam" in text_lower or "uykus" in text_lower or "uyku" in text_lower:
        category = "uyku_problemleri"
    elif "stress" in text_lower or "stres" in text_lower or "gergin" in text_lower or "baskı" in text_lower:
        category = "stress_yonetimi"
    elif "korku" in text_lower or "panik" in text_lower or "endişe" in text_lower or "kaygı" in text_lower:
        category = "kaygi_ve_panik"
    elif "motivasyon" in text_lower or "istek" in text_lower or "yapmak istemiyorum" in text_lower or "enerjim yok" in text_lower:
        category = "motivasyon_eksikligi"
    elif "acı" in text_lower or "keder" in text_lower or "üzüntü" in text_lower or "kayıp" in text_lower:
        category = "duygusal_acı"
    elif "utanç" in text_lower or "sosyal" in text_lower or "insanlar" in text_lower or "topluluk" in text_lower:
        category = "sosyal_kaygi"
    else:
        # Duygu analizi sonucuna göre en uygun kategoriyi seç
        if emotion == "üzüntü":
            category = "duygusal_acı"
        elif emotion == "kötü durum" and score > 0.8:  
            category = "stress_yonetimi"
        else:
            # Varsayılan olarak stres yönetimi öneri ver
            category = "stress_yonetimi"
    
    # Seçilen kategoriden 1-2 öneri seç
    if category in EXPERT_RECOMMENDATIONS:
        recommendations = EXPERT_RECOMMENDATIONS[category]
        # Eğer birden fazla öneri varsa, rastgele 1-2 tane seç
        if len(recommendations) > 1:
            return random.sample(recommendations, min(2, len(recommendations)))
        return recommendations
    
    # Uygun bir kategori bulunamazsa boş liste döndür
    return []

def format_recommendations(recommendations):
    """Önerileri okunabilir formatta biçimlendirir"""
    if not recommendations:
        return ""
    
    result = "\n\n**İşte sana yardımcı olabilecek birkaç öneri:**\n\n"
    
    for i, rec in enumerate(recommendations, 1):
        result += f"**{i}. {rec['title']}**\n"
        result += f"{rec['description']}\n"
        result += f"*Ne zaman kullanmalı:* {rec['when_to_use']}\n"
        result += f"*Faydası:* {rec['benefit']}\n\n"
    
    return result

def get_personality_profile(text=None, emotion=None):
    """Kullanıcının durum ve ifadesine göre en uygun kişilik profilini seç"""
    
    # Eğer metin veya duygu belirtilmediyse varsayılan kişilik kullan
    if not text or not emotion:
        return PERSONALITY_PROFILES[DEFAULT_PERSONALITY]
    
    text_lower = text.lower()
    
    # Kişilik seçimi için ipuçları ara
    if any(word in text_lower for word in ["motivasyon", "isteksiz", "enerjim yok", "yapamıyorum", "başaramıyorum"]):
        return PERSONALITY_PROFILES["motive_edici_koc"]
    elif any(word in text_lower for word in ["anlamıyorum", "karmaşık", "kafam karıştı", "ne yapmam gerekiyor", "tavsiye"]):
        return PERSONALITY_PROFILES["bilge_danisman"]
    elif any(word in text_lower for word in ["üzgün", "mutsuz", "kötü", "yalnız", "anlaşılmıyorum"]):
        return PERSONALITY_PROFILES["anlayisli_dost"]
    elif any(word in text_lower for word in ["mutlu", "sevinçli", "heyecanlı", "neşeli"]):
        return PERSONALITY_PROFILES["pozitif_arkadas"]
    
    # Duygulara göre en uygun kişiliği seç
    if emotion == "üzüntü":
        return PERSONALITY_PROFILES["anlayisli_dost"]
    elif emotion == "mutluluk":
        return PERSONALITY_PROFILES["pozitif_arkadas"]
    elif emotion == "kötü durum":
        # Kötü durum için bilge veya motivasyon arasında rastgele seç
        return random.choice([PERSONALITY_PROFILES["bilge_danisman"], PERSONALITY_PROFILES["motive_edici_koc"]])
    
    # Varsayılan olarak anlayışlı dost modelini kullan
    return PERSONALITY_PROFILES[DEFAULT_PERSONALITY] 

def clean_response(text):
    """Yanıtı temizle ve kalitesini artır"""
    # HTML/CSS etiketlerini temizle
    text = re.sub(r'\[/?vc_\w+\]', '', text)
    
    # Diğer potansiyel bozuk formatları temizle
    text = re.sub(r'<.*?>', '', text)
    
    # Çoklu boşlukları temizle
    text = re.sub(r'\s+', ' ', text).strip()
    
    # Sistem talimatlarını temizle - genişletilmiş ve daha kapsamlı liste
    patterns_to_clean = [
        r'arkadaşça destek mesajı:', r'dostça destek mesajı:', 
        r'motive edici arkadaş mesajı:', r'coşkulu ve arkadaşça yanıt:',
        r'yanıt:', r'cevap:', r'cevabında şunları yap:', r'cevabımda:',
        r'[0-9]\. .*?:', r'yanıtı:', r'kişinin mesajı:', r'yapmalısın:',
        r'Şunları yapmalısın:', r'Şöyle cevap ver:', r'Böyle cevap ver:',
        r'Adımlar:', r'Şunları yap:', r'Bu kişiye .*? olarak:',
        r'Ona bir .*? olarak:', r'Bir .*? olarak yanıt veriyorum:',
        r'Sana .*? olarak yanıt veriyorum:'
    ]
    
    for pattern in patterns_to_clean:
        text = re.sub(pattern, '', text, flags=re.IGNORECASE)
    
    # Maddeli liste yapıları kaldır
    text = re.sub(r'^\s*[\*\-\•]\s*', '', text, flags=re.MULTILINE)
    
    # Başlangıç klişelerini kaldır
    cliche_starts = [
        "Anlıyorum", "Anladım", "Seni anlıyorum", "Seni çok iyi anlıyorum",
        "Üzgünüm", "Üzüldüm", "Haklısın", "Kesinlikle haklısın",
        "Merhaba", "Selam", "Öncelikle", "İşte", "Tabii"
    ]
    
    for start in cliche_starts:
        if text.startswith(start):
            text = text[len(start):].strip()
            # Noktalama kaldır
            if text and text[0] in [',', '.', ':', ';', '!']:
                text = text[1:].strip()
    
    # Son temizleme
    text = re.sub(r'\s+', ' ', text).strip()
    
    # İlk harfi büyük, son noktalama işareti kontrolü
    if text:
        # İlk harf büyük
        text = text[0].upper() + text[1:]
        
        # Son karakter noktalama işareti değilse, nokta ekle
        if not text[-1] in ['.', '!', '?']:
            text += '.'
    
    return text

def score_response_quality(text):
    """Yanıt kalitesini değerlendir"""
    score = 0.5  # Başlangıç skoru
    
    # Uzunluk - çok kısa veya çok uzun olmamalı
    length = len(text)
    if 20 <= length <= 300:
        score += 0.2
    elif length < 20:
        score -= 0.3
    
    # Tekrar eden kelime veya ifadeler
    words = text.lower().split()
    unique_words = set(words)
    word_variety = len(unique_words) / len(words) if words else 0
    
    if word_variety > 0.7:  # Yüksek çeşitlilik
        score += 0.15
    elif word_variety < 0.5:  # Düşük çeşitlilik
        score -= 0.2
    
    # Kopya-yapıştır yapılar
    if any(text.count(phrase) > 1 for phrase in [word for word in words if len(word) > 5]):
        score -= 0.15
    
    # Konu bütünlüğü - noktalama işaretleri ile cümle yapısını kontrol et
    sentences = re.split(r'[.!?]', text)
    if 2 <= len(sentences) <= 5:
        score += 0.1
    
    # Klişe veya genel ifadeler - samimiyeti azaltır
    cliches = [
        "her şey güzel olacak", "sorunlar geçici", "mutlu olmaya bak",
        "hayat kısa", "kendine iyi bak", "herkesin sorunları var",
        "zaman her şeyin ilacı", "yarın başka bir gün"
    ]
    
    if any(cliche in text.lower() for cliche in cliches):
        score -= 0.1
    
    # Daha semantik ve spesifik ifadeler kullanma
    specific_phrases = [
        "hissettiğin", "yaşadığın", "deneyimin", "düşüncelerin",
        "gelecek", "geçmiş", "bugün", "yarın", "adım", "strateji",
        "önerim", "deneyebilirsin", "hatırla", "unutma", "farket"
    ]
    
    if any(phrase in text.lower() for phrase in specific_phrases):
        score += 0.2
    
    return min(1.0, max(0.0, score))  # 0 ile 1 arasında sınırla

def generate_turkish_text(prompt, max_length=300):
    """Türkçe metin üretme fonksiyonu - tutarlılık ve alaka düzeyi iyileştirildi"""
    try:
        print(f"Prompt: {prompt[:100]}...")
        inputs = tokenizer(prompt, return_tensors="pt")
        
        # Tutarlı ve alakalı yanıtlar için optimize edilmiş parametreler
        try:
            output = text_model.generate(
                inputs["input_ids"], 
                max_length=max_length, 
                num_return_sequences=1,
                do_sample=True,
                temperature=0.6,     # Daha düşük sıcaklıkla daha tutarlı yanıtlar
                top_p=0.85,          # Daha tutarlı kelime seçimleri
                top_k=40,            # Sınırlı kelime havuzu
                repetition_penalty=1.3,  # Tekrarları daha fazla cezalandır
                no_repeat_ngram_size=3,  # 3 kelimelik tekrarları engelle
                pad_token_id=tokenizer.eos_token_id
            )
        except RuntimeError as e:
            print(f"Model üretme hatası: {str(e)}")
            # Daha basit parametrelerle tekrar dene
            output = text_model.generate(
                inputs["input_ids"], 
                max_length=max_length, 
                do_sample=True,
                temperature=0.6,
                pad_token_id=tokenizer.eos_token_id
            )
            
        # Yanıt metni oluştur ve işle
        try:
            response = tokenizer.decode(output[0], skip_special_tokens=True)
            
            # Prompt'tan sonraki kısmı al
            if prompt in response:
                response = response[len(prompt):].strip()
            
            print(f"Ham yanıt: {response[:50]}...")
            
            # Kullanıcının girdisini tekrar etmeyi engelle
            user_input = re.search(r"'(.*?)'", prompt).group(1) if re.search(r"'(.*?)'", prompt) else ""
            if user_input and response.startswith(user_input):
                response = response[len(user_input):].strip()
            
            # Temizlik işlemleri
            response = clean_response(response)
            
            # Yanıt kalitesi kontrolü
            if not response or len(response) < 15:
                # Tutarlı yedek yanıt oluştur
                # Kullanıcı girdisinden anahtar kelimeler çıkar
                words = re.sub(r'[^\w\s]', '', user_input.lower()).split()
                keywords = [w for w in words if len(w) > 3 and w not in ["nasıl", "neden", "ama", "fakat", "çünkü", "gibi", "kadar", "için"]]
                
                if "endişe" in user_input.lower() or "korku" in user_input.lower():
                    backup_response = f"Endişelerini anlıyorum. Bu durum karşısında kendini nasıl hissettiğini biraz daha anlatır mısın?"
                elif "üzgün" in user_input.lower() or "mutsuz" in user_input.lower():
                    backup_response = f"Bu durum gerçekten zor olmalı. Senin için yapabileceğim bir şey var mı?"
                elif "gelecek" in user_input.lower():
                    backup_response = f"Gelecek hakkındaki düşüncelerin önemli. Hangi konuda en çok endişeleniyorsun?"
                else:
                    backup_response = f"Söylediklerini dikkate alıyorum. Bu konuda daha fazla nasıl yardımcı olabilirim?"
                
                print("Yanıt çok kısa veya boş, alakalı yedek yanıt kullanılıyor")
                return backup_response
            
            return response
            
        except Exception as e:
            print(f"Yanıt işleme hatası: {str(e)}")
            return "Söylediklerini dikkate alıyorum. Bu durumla nasıl başa çıkabileceğin hakkında konuşabilir miyiz?"
        
    except Exception as e:
        print(f"Metin üretme genel hatası: {str(e)}")
        import traceback
        print(f"Hata detayı: {traceback.format_exc()}")
        return "Bu konudaki düşüncelerini anlıyorum. Biraz daha detaylı anlatır mısın?"