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?"