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 generate_turkish_text(prompt, max_length=300):
    """Türkçe metin üretme fonksiyonu - geliştirilmiş kalite kontrollü versiyon"""
    try:
        inputs = tokenizer(prompt, return_tensors="pt")
        
        # Parametreler - daha tutarlı ve anlamlı yanıtlar için optimize edildi
        output = text_model.generate(
            inputs["input_ids"], 
            max_length=max_length, 
            num_return_sequences=3,  # Birden fazla yanıt üret, en iyisini seç
            do_sample=True,
            temperature=0.75,  # Daha tutarlı yanıtlar için düşürüldü 
            top_p=0.88,        # Daha az rastgele, daha anlamlı
            top_k=50,          # Daha az seçenek, daha tutarlı
            repetition_penalty=1.3,  # Tekrarları daha sert cezalandır
            no_repeat_ngram_size=3,  # 3 kelime tekrarını engelle
            num_beam_groups=3,  # Çeşitlilik için beam grupları
            diversity_penalty=1.0,  # Çeşitlilik için
            pad_token_id=tokenizer.eos_token_id
        )
        
        # Birden fazla yanıt üretildi, en anlamlı olanı seç
        best_response = ""
        best_score = 0
        
        for i in range(min(3, len(output))):
            candidate = tokenizer.decode(output[i], skip_special_tokens=True)
            
            # Prompt'tan sonraki kısmı al
            if prompt in candidate:
                candidate = candidate[len(prompt):].strip()
            
            # Temizlik işlemleri
            candidate = clean_response(candidate)
            
            # Yanıt kalitesini ölç
            score = score_response_quality(candidate)
            
            if score > best_score:
                best_score = score
                best_response = candidate
        
        # En iyi yanıt çok kısaysa, tekrar dene
        if len(best_response) < 20 and best_score < 0.5:
            print("Yanıt kalitesi düşük, tekrar deneniyor...")
            # Farklı sıcaklık parametresi ile tekrar dene
            return generate_turkish_text(prompt + " Lütfen detaylı yanıt ver.", max_length)
        
        print(f"En iyi yanıt kalite skoru: {best_score:.2f}")
        return best_response
        
    except Exception as e:
        print(f"Metin üretme hatası: {str(e)}")
        return "Şu anda yanıt üretirken bir sorun oluştu. Lütfen daha sonra tekrar deneyin."

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 create_better_prompts(text, label, score):
    """Daha samimi, dostça ve arkadaşça promptlar oluştur - Kalite odaklı versiyon"""
    
    # Metni normalize et
    text = normalize_text(text)
    
    # Kişilik profilini belirle
    emotion, _ = detect_emotion_from_text(text, label, score)
    personality = get_personality_profile(text, emotion)
    
    # Ortak kılavuz ilkeler - kaliteli ve kişiselleştirilmiş yanıtlar için
    common_guide = f"""Önemli: Verdiğin yanıt tamamen doğal, samimi ve içten olmalı. Yapay ve genelgeçer ifadelerden, klişelerden kaçın. 
Bu kişinin mesajına özel bir yanıt oluştur, başka birine yazılmış gibi olmasın.
Kısa, öz ve ÇOKLU boşluklar/satır atlamalar olmadan yanıt ver.
Asla şablonlar veya listeler kullanma.
Mesajın özüne odaklan ve gerçekten yardımcı olmaya çalış.
Şu konu ve duygular üzerine odaklan: '{text}'
"""
    
    # 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. Ona bir {', '.join(personality['qualities'])} olarak cevap ver.

Kişinin mesajı: '{text}'

Yanıt:"""
    
    # Duygu durumuna göre prompt oluştur - daha detaylı şekilde ve kişilik özelliklerine göre
    if label == "NEGATIVE":
        if score > 0.85:  # Çok olumsuz
            prompt = f"""{personality['prompt_prefix']}
{common_guide}
Kişi çok üzgün ve zor bir durumda. '{text}' ifadesinden anlaşıldığı üzere duygusal destek ve anlayışa ihtiyacı var.

Ona bir {', '.join(personality['qualities'])} olarak yardım et. Standart tavsiyeler vermek yerine, onun özgün durumuna ve duygularına odaklan. 
Örnek cevap tarzı: '{personality['example']}'

Yanıt:"""
        else:  # Orta derecede olumsuz
            prompt = f"""{personality['prompt_prefix']}
{common_guide}
Kişi biraz olumsuz hissediyor. '{text}' ifadesinden anlaşıldığı üzere bazı zorluklar yaşıyor olabilir.

Ona bir {', '.join(personality['qualities'])} olarak anlayış göster. Basmakalıp tavsiyeler vermek yerine, durumuna özel yaklaşımlar düşün.
Örnek cevap tarzı: '{personality['example']}'

Yanıt:"""
    elif label == "POSITIVE" and score < 0.6:  # Hafif olumlu
        prompt = f"""{personality['prompt_prefix']}
{common_guide}
Kişi olumlu ama daha fazla motivasyona ihtiyacı var. '{text}' ifadesinden anlaşıldığı üzere iyi bir durumda ama daha iyiye gitmek istiyor olabilir.

Ona bir {', '.join(personality['qualities'])} olarak enerji ver. Klişelerden kaçın ve onun bu olumlu enerjisini nasıl sürdüreceğine dair özgün fikirler sun.
Örnek cevap tarzı: '{personality['example']}'

Yanıt:"""
    else:  # Çok olumlu
        prompt = f"""{personality['prompt_prefix']}
{common_guide}
Kişi çok mutlu ve coşkulu. '{text}' ifadesinden anlaşıldığı üzere harika bir durum veya başarı yaşamış olabilir.

Ona bir {', '.join(personality['qualities'])} olarak bu mutluluğu paylaş. Sıradan tebrikler yerine, bu özel anın nasıl daha anlamlı olabileceğine dair düşünceler ekle.
Örnek cevap tarzı: '{personality['example']}'

Yanıt:"""
    
    return prompt

def process_input(text, personality_choice=None):
    """Kullanıcı girdisini işle - Geliştirilmiş yanıt kalitesi"""
    start_time = time.time()
    
    try:
        # Ön kontroller
        if not text or text.strip() == "":
            return "Lütfen bir metin girin.", None
        
        # Metni normalize et
        text = normalize_text(text)
        
        print(f"İstek alındı: {text[:50]}...")
        
        # Uygunsuz içerik kontrolü
        is_bad, error_msg = is_inappropriate(text)
        if is_bad:
            return error_msg, None
        
        # Duygu analizi yap
        sentiment_result = sentiment_model(text)[0]
        label = sentiment_result['label']
        score = sentiment_result['score']
        
        print(f"Duygu analizi sonucu: {label} ({score:.2f})")
        
        # Eğer kullanıcı kişilik seçimi yaptıysa onu kullan, yoksa otomatik belirle
        emotion, emoji_count = detect_emotion_from_text(text, label, score)
        if personality_choice and personality_choice in PERSONALITY_PROFILES:
            personality = PERSONALITY_PROFILES[personality_choice]
            VOICE = personality["voice"]  # Kişiliğe uygun sesi seç
        else:
            personality = get_personality_profile(text, emotion)
            VOICE = personality["voice"]
        
        print(f"Kullanılacak kişilik: {personality['name']}")
        
        # Geliştirilmiş promptlar oluştur
        prompt = create_better_prompts(text, label, score)
        
        # Türkçe metin üret - kalite kontrolü ile
        print("Metin üretiliyor...")
        response = generate_turkish_text(prompt, max_length=350)
        
        # Eğer yanıt üretilemediyse veya çok kısaysa
        if not response or len(response) < 10:
            # Daha basit bir prompt ile tekrar dene
            simple_prompt = f"Şu konuda yardımcı ve dost cevap ver: '{text}'"
            response = generate_turkish_text(simple_prompt, max_length=200)
            
            if not response or len(response) < 10:
                response = "Üzgünüm, şu anda anlamlı bir yanıt üretirken sorun yaşıyorum. Lütfen mesajınızı farklı bir şekilde ifade ederek tekrar deneyin."
        
        # Son temizlik ve kalite kontrolü
        response = clean_response(response)
        
        # Yanıt kalitesi çok düşükse, yedek yanıtlar kullan
        if score_response_quality(response) < 0.4:
            fallback_responses = [
                f"Mesajını aldım. '{text}' konusunda seninle tamamen aynı fikirdeyim. Bunu biraz daha açabilir misin?",
                f"'{text}' hakkında ne hissettiğini anlıyorum. Bu konuda daha fazla konuşmak ister misin?",
                f"Bu durumu yaşamak gerçekten zor olmalı. Seninle daha fazla konuşmak ve nasıl yardımcı olabileceğimi bulmak isterim.",
                f"Düşüncelerini paylaştığın için teşekkür ederim. Bu konuda seni daha iyi anlamak istiyorum. Detaylı anlatır mısın?"
            ]
            response = random.choice(fallback_responses)
        
        # Uzman önerileri ekle - belirli şartlara göre ve kalite kontrolü ile
        if label == "NEGATIVE" and score > 0.7 and random.random() < 0.6:  # %60 ihtimalle olumsuz durumlarda öneri ekle
            recommendations = get_appropriate_expert_recommendations(text, emotion, score)
            if recommendations:
                formatted_recs = format_recommendations(recommendations)
                if len(response) + len(formatted_recs) <= 600:  # Çok uzun olmamasına dikkat et
                    response += formatted_recs
        
        # Emoji ekle - duygu durumuna göre
        if random.random() < 0.5:  # %50 ihtimalle emoji ekle (fazla emoji kullanımı azaltıldı)
            response = add_emojis(response, emotion, emoji_count)
        
        print(f"Üretilen yanıt: {response[:50]}...")
        
        # Yüksek kaliteli doğal ses üret - kişiliğe uygun sesle
        print("Doğal ses üretiliyor...")
        audio_path = create_speech(response)
        
        process_time = time.time() - start_time
        print(f"İşlem tamamlandı ({process_time:.2f} saniye)")
        
        return response, audio_path
        
    except Exception as e:
        error_msg = f"İşlem sırasında bir hata oluştu: {str(e)}"
        print(error_msg)
        return "Üzgünüm, bir sorun oluştu. Lütfen tekrar deneyin.", 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]