Refactor: almacenar conversaciones y audios en /tmp

app.py

@@ -10,6 +10,7 @@ logging.basicConfig(
     level=logging.ERROR,
     format='%(asctime)s %(levelname)s %(name)s %(threadName)s : %(message)s',
     handlers=[
+        # Cambiamos a /tmp/error.log para que sea escribible en Hugging Face Spaces
         logging.FileHandler("/tmp/error.log"),
         logging.StreamHandler()
     ]
@@ -60,4 +61,4 @@ def get_bot_response():
 if __name__ == '__main__':
     # Ajustamos para leer la variable de entorno PORT (o usar 7860 por defecto)
     port = int(os.environ.get("PORT", 7860))
-    app.run(host="0.0.0.0", port=port, debug=True)
+    app.run(host="0.0.0.0", port=port, debug=True)

models/chatbot_model.py

@@ -21,17 +21,23 @@ class MentalHealthChatbot:
         # Configuración del logging
         self.logger = logging.getLogger(__name__)
         self.logger.setLevel(logging.INFO)
-        handler = logging.FileHandler('chatbot.log')
+
+        # Archivo de log en /tmp
+        handler = logging.FileHandler('/tmp/chatbot.log')
         formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
         handler.setFormatter(formatter)
         if not self.logger.handlers:
             self.logger.addHandler(handler)
 
+        # Rutas de carpetas en /tmp para evitar permisos de solo lectura en /app
+        self.conversations_dir = "/tmp/conversations"
+        self.audio_dir = "/tmp/audio"
+
         try:
             self.logger.info("Cargando el tokenizador y el modelo BERT fine-tuned...")
 
-            # Crear carpeta para guardar historiales si no existe
-            os.makedirs('conversations', exist_ok=True)
+            # Crear carpeta de conversaciones en /tmp
+            os.makedirs(self.conversations_dir, exist_ok=True)
 
             self.tokenizer = BertTokenizer.from_pretrained(model_path)
             self.model = BertForSequenceClassification.from_pretrained(model_path).to(self.device)
@@ -84,9 +90,10 @@ class MentalHealthChatbot:
 
     def get_emotion_prediction(self, text: str) -> Tuple[str, float]:
         """Predice la emoción del texto usando el modelo fine-tuned."""
-        # Asegúrate de que el orden de las etiquetas coincide con el del entrenamiento
-        emotion_labels = ['FELICIDAD', 'NEUTRAL', 'DEPRESIÓN', 'ANSIEDAD', 'ESTRÉS',
-                          'EMERGENCIA', 'CONFUSIÓN', 'IRA', 'MIEDO', 'SORPRESA', 'DISGUSTO']
+        emotion_labels = [
+            'FELICIDAD', 'NEUTRAL', 'DEPRESIÓN', 'ANSIEDAD', 'ESTRÉS',
+            'EMERGENCIA', 'CONFUSIÓN', 'IRA', 'MIEDO', 'SORPRESA', 'DISGUSTO'
+        ]
 
         try:
             inputs = self.tokenizer.encode_plus(
@@ -115,32 +122,23 @@ class MentalHealthChatbot:
     def generate_response(self, user_input: str) -> Dict[str, Any]:
         """Genera una respuesta basada en el input del usuario."""
         try:
-            # Preprocesar texto
             processed_text = self.preprocess_text(user_input)
             self.logger.info(f"Texto procesado: {processed_text}")
 
-            # Verificar emergencia
             if self.detect_emergency(processed_text):
                 emotion = 'EMERGENCIA'
                 confidence = 1.0
                 self.logger.info("Emergencia detectada en el mensaje del usuario.")
             else:
-                # Predecir emoción
                 emotion, confidence = self.get_emotion_prediction(processed_text)
 
-            # Seleccionar respuesta
             responses = self.responses.get(emotion, self.responses.get('CONFUSIÓN', ["Lo siento, no he entendido tu mensaje."]))
-
             response = np.random.choice(responses)
             self.logger.info(f"Respuesta seleccionada: {response}")
 
-            # Generar audio
             audio_path = self.generate_audio(response)
 
-            # Actualizar historial
             self.update_conversation_history(user_input, response, emotion)
-
-            # Guardar historial después de actualizar
             self.save_conversation_history()
 
             return {
@@ -162,15 +160,19 @@ class MentalHealthChatbot:
             }
 
     def generate_audio(self, text: str) -> str:
-        """Genera el audio para la respuesta y devuelve la URL accesible para el cliente."""
+        """
+        Genera el audio para la respuesta y devuelve una ruta local.
+        Nota: Si quieres servir este audio vía HTTP, 
+        necesitarás un endpoint que lo sirva desde /tmp/audio.
+        """
         try:
             filename = f"response_{datetime.now().strftime('%Y%m%d_%H%M%S_%f')}.mp3"
-            file_path = os.path.join('static', 'audio', filename)
+            # Guardar audios en /tmp/audio
+            file_path = os.path.join(self.audio_dir, filename)
             os.makedirs(os.path.dirname(file_path), exist_ok=True)
 
             engine = pyttsx3.init()
 
-            # Configurar la voz en español (ajusta el índice o usa el id de la voz)
             voices = engine.getProperty('voices')
             for voice in voices:
                 if 'Spanish' in voice.name or 'Español' in voice.name:
@@ -179,24 +181,23 @@ class MentalHealthChatbot:
             else:
                 self.logger.warning("No se encontró una voz en español. Usando la voz predeterminada.")
 
-            # Configurar la velocidad del habla si es necesario
             rate = engine.getProperty('rate')
-            engine.setProperty('rate', rate - 50)  # Ajusta el valor según tus necesidades
+            engine.setProperty('rate', rate - 50)
 
-            # Guardar el audio en el archivo especificado
             engine.save_to_file(text, file_path)
             engine.runAndWait()
 
             self.logger.info(f"Audio generado y guardado en {file_path}")
 
-            # Devolver la ruta relativa que el cliente puede usar
-            return f"/static/audio/{filename}"
+            # Devolvemos la ruta local en /tmp/audio
+            return file_path
+
         except Exception as e:
             self.logger.error(f"Error al generar audio: {str(e)}")
             return None
 
     def update_conversation_history(self, user_input: str, response: str, emotion: str):
-        """Actualiza el historial de conversación."""
+        """Actualiza el historial de conversación en memoria."""
         try:
             self.conversation_history.append({
                 'user_input': user_input,
@@ -205,7 +206,6 @@ class MentalHealthChatbot:
                 'timestamp': datetime.now().isoformat()
             })
 
-            # Mantener solo las últimas 10 conversaciones
             if len(self.conversation_history) > 10:
                 self.conversation_history.pop(0)
 
@@ -214,9 +214,10 @@ class MentalHealthChatbot:
             self.logger.error(f"Error al actualizar el historial de conversación: {str(e)}")
 
     def save_conversation_history(self):
-        """Guarda el historial de conversación en un archivo."""
+        """Guarda el historial de conversación en un archivo dentro de /tmp."""
         try:
-            filename = f"conversations/chat_{datetime.now().strftime('%Y%m%d_%H%M%S')}.json"
+            # Guardamos en /tmp/conversations
+            filename = f"{self.conversations_dir}/chat_{datetime.now().strftime('%Y%m%d_%H%M%S')}.json"
             os.makedirs(os.path.dirname(filename), exist_ok=True)
 
             with open(filename, 'w', encoding='utf-8') as f:
@@ -224,4 +225,4 @@ class MentalHealthChatbot:
 
             self.logger.info(f"Historial de conversación guardado en {filename}")
         except Exception as e:
-            self.logger.error(f"Error al guardar el historial: {str(e)}")
+            self.logger.error(f"Error al guardar el historial: {str(e)}")