Update suggestion.py

suggestion.py

@@ -1,209 +1,209 @@
-import _thread as thread
-import base64
-import datetime
-import hashlib
-import hmac
-import json
-from urllib.parse import urlparse
-import ssl
-from datetime import datetime
-from time import mktime
-from urllib.parse import urlencode
-from wsgiref.handlers import format_date_time
-import websocket  # 使用websocket_client
-from PIL import Image
-import io
-import gradio as gr
-
-appid = "11ce2152"  #填写控制台中获取的 APPID 信息
-api_secret = "N2ExOTc3MDc1OWZjMTkyNzFlYjA3ZTAz"  #填写控制台中获取的 APISecret 信息
-api_key = "4f6313fa6c05dea06e4e18b46e63b20f"  #填写控制台中获取的 APIKey 信息
-
-imageunderstanding_url = "wss://spark-api.cn-huabei-1.xf-yun.com/v2.1/image"  #云端环境的服务地址
-answer = ""
-
-class Ws_Param(object):
-    # 初始化
-    def __init__(self, APPID, APIKey, APISecret, imageunderstanding_url):
-        self.APPID = APPID
-        self.APIKey = APIKey
-        self.APISecret = APISecret
-        self.host = urlparse(imageunderstanding_url).netloc
-        self.path = urlparse(imageunderstanding_url).path
-        self.ImageUnderstanding_url = imageunderstanding_url
-
-    # 生成url
-    def create_url(self):
-        # 生成RFC1123格式的时间戳
-        now = datetime.now()
-        date = format_date_time(mktime(now.timetuple()))
-
-        # 拼接字符串
-        signature_origin = "host: " + self.host + "\n"
-        signature_origin += "date: " + date + "\n"
-        signature_origin += "GET " + self.path + " HTTP/1.1"
-
-        # 进行hmac-sha256进行加密
-        signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
-                                 digestmod=hashlib.sha256).digest()
-
-        signature_sha_base64 = base64.b64encode(signature_sha).decode(encoding='utf-8')
-
-        authorization_origin = f'api_key="{self.APIKey}", algorithm="hmac-sha256", headers="host date request-line", signature="{signature_sha_base64}"'
-
-        authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')
-
-        # 将请求的鉴权参数组合为字典
-        v = {
-            "authorization": authorization,
-            "date": date,
-            "host": self.host
-        }
-        # 拼接鉴权参数，生成url
-        url = self.ImageUnderstanding_url + '?' + urlencode(v)
-        #print(url)
-        # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
-        return url
-
-
-# 收到websocket错误的处理
-def on_error(ws, error):
-    print("### error:", error)
-
-
-# 收到websocket关闭的处理
-def on_close(ws, one, two):
-    print(" ")
-
-
-# 收到websocket连接建立的处理
-def on_open(ws):
-    thread.start_new_thread(run, (ws,))
-
-
-def run(ws, *args):
-    data = json.dumps(gen_params(appid=ws.appid, question=ws.question))
-    ws.send(data)
-
-
-# 收到websocket消息的处理
-def on_message(ws, message):
-    #print(message)
-    data = json.loads(message)
-    code = data['header']['code']
-    if code != 0:
-        print(f'请求错误: {code}, {data}')
-        ws.close()
-    else:
-        choices = data["payload"]["choices"]
-        status = choices["status"]
-        content = choices["text"][0]["content"]
-        print(content, end="")
-        global answer
-        answer += content
-        # print(1)
-        if status == 2:
-            ws.close()
-
-
-def gen_params(appid, question):
-    """
-    通过appid和用户的提问来生成请参数
-    """
-
-    data = {
-        "header": {
-            "app_id": appid
-        },
-        "parameter": {
-            "chat": {
-                "domain": "image",
-                "temperature": 0.5,
-                "top_k": 4,
-                "max_tokens": 2028,
-                "auditing": "default"
-            }
-        },
-        "payload": {
-            "message": {
-                "text": question
-            }
-        }
-    }
-
-    return data
-
-
-def main(appid, api_key, api_secret, imageunderstanding_url, question):
-    wsParam = Ws_Param(appid, api_key, api_secret, imageunderstanding_url)
-    websocket.enableTrace(False)
-    wsUrl = wsParam.create_url()
-    ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close, on_open=on_open)
-    ws.appid = appid
-    #ws.imagedata = imagedata
-    ws.question = question
-    ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE})
-
-
-def getText(role, content, picture):
-    jsoncon = {}
-    jsoncon["role"] = role
-    jsoncon["content"] = content
-    image = Image.fromarray(picture)
-    byte_io = io.BytesIO()
-    image.save(byte_io, format='PNG')
-    image_bytes = byte_io.getvalue()
-    # 进行 Base64 编码
-    encoded_image = base64.b64encode(image_bytes).decode('utf-8')
-    text = [{"role": "user", "content": encoded_image, "content_type": "image"}, jsoncon]
-    return text
-
-
-def getlength(text):
-    length = 0
-    for content in text:
-        temp = content["content"]
-        leng = len(temp)
-        length += leng
-    return length
-
-
-def checklen(text):
-    #print("text-content-tokens:", getlength(text[1:]))
-    while (getlength(text[1:]) > 8000):
-        del text[1]
-    return text
-
-
-def generate_outfit_advice(user_name, height, weight, waist, chest, hip, shoulder_width, leg_length, arm_length, gender,
-                           body_type, skin_color, style_preference, lifestyle_requirements, special_requirements,
-                           user_pic):
-    content = (f"""
-                       你是一位专业的民族服饰搭配大师，你需要充分了解中华民族的所有民族服饰的相关知识，包括不同民族服饰适合什么样的人群等。
-                       你需要对用户的照片和他们的输入信息作出评价，需要分析的因素包括以下内容： 
-                       1、用户上传的照片，分析种族、民族、脸型、五官比例、身材比例、肤色肤质。 
-                       2、用户基本信息：性别，年龄，身高，体重；
-                       3、身体数据：胸围，腰围，臀围，肩宽，腿长，臂长； 
-                       4、体型与身材特征：体型分类：如苹果型、梨型、矩形、沙漏型等；身材特征：如长腿、短腿、宽肩、窄肩等。 
-                       5、肤色与发色：肤色分类：如冷色调、暖色调、中性色调等；发色与发型：目前的发色和发型。 
-                       6、穿衣风格偏好：日常偏好的风格（例如休闲、正式、运动、复古等），喜欢的颜色和不喜欢的颜色，喜爱的服装品牌，特别喜欢的服装单品（例如裙子、裤子、衬衫等） 
-                       7、生活方式和场合需求：工作环境（例如：办公室、户外、创意行业等），主要的社交活动类型（例如：商务会议、派对、休闲聚会等），平常的活动类型和频率（例如：健身、旅行、家庭活动等） 
-                       8、季节和气候：所在地的气候情况（例如：四季分明、热带、寒冷地区等），需要的季节性服装（例如：冬季大衣、夏季连衣裙等） 
-                       9、个人偏好和特殊需求：对于面料的偏好（例如：棉、麻、丝、羊毛等）；是否有过敏或不适宜穿戴的材质；是否有特定的宗教或文化穿衣要求；是否有特殊身体条件需要考虑（例如：孕妇、残障人士等）
-                       输出要求：
-                       一、要求输出一段用户的人物画像，包含具体的服饰穿搭建议。 每种体型的合适服装和不合适服装都具有一定的潜在服装特征。例如，草莓形的人更适合穿
-                       宽领或深领的衣服，而梨形的人则更适合穿伞形下摆的衣服而不是紧身的衣服。 
-                       二、将穿搭建议转化为具体的服饰特征，建立用户特征与服饰提示词的对应。 例如场合对应衣服的干练程度，更喜欢通勤场合的会倾向于推荐小袖口的民族服饰； 
-                       根据体型推荐相关服饰，略显肥胖的人会推荐汉服齐腰儒裙等； 男性按身高与袖口来分辨哪种服饰。
-                       根据用户信息，用户名为{user_name}，身高为{height}，体重为{weight}，腰围为{waist}，胸围为{chest}，臀围为{hip}，
-                       肩宽为{shoulder_width}，腿长为{leg_length}，臂长为{arm_length}，性别为{gender}，体型分类为{body_type}，肤色为{skin_color}，
-                       穿衣风格偏好为{style_preference}，生活方式和场景需求为{lifestyle_requirements}，其他特殊需求为{special_requirements}。
-                       请给出穿搭建议。
-                       """)
-    global answer
-    answer = ""
-    question = checklen(getText("user", content, user_pic))
-    main(appid, api_key, api_secret, imageunderstanding_url, question)
-    getText("assistant", answer, user_pic)
-    return gr.Markdown(answer)
-
+import _thread as thread
+import base64
+import datetime
+import hashlib
+import hmac
+import json
+from urllib.parse import urlparse
+import ssl
+from datetime import datetime
+from time import mktime
+from urllib.parse import urlencode
+from wsgiref.handlers import format_date_time
+import websocket  # 使用websocket_client
+from PIL import Image
+import io
+import gradio as gr
+
+appid = "11ce2152"  #填写控制台中获取的 APPID 信息
+api_secret = "N2ExOTc3MDc1OWZjMTkyNzFlYjA3ZTAz"  #填写控制台中获取的 APISecret 信息
+api_key = "4f6313fa6c05dea06e4e18b46e63b20f"  #填写控制台中获取的 APIKey 信息
+
+imageunderstanding_url = "wss://spark-api.cn-huabei-1.xf-yun.com/v2.1/image"  #云端环境的服务地址
+answer = ""
+
+class Ws_Param(object):
+    # 初始化
+    def __init__(self, APPID, APIKey, APISecret, imageunderstanding_url):
+        self.APPID = APPID
+        self.APIKey = APIKey
+        self.APISecret = APISecret
+        self.host = urlparse(imageunderstanding_url).netloc
+        self.path = urlparse(imageunderstanding_url).path
+        self.ImageUnderstanding_url = imageunderstanding_url
+
+    # 生成url
+    def create_url(self):
+        # 生成RFC1123格式的时间戳
+        now = datetime.now()
+        date = format_date_time(mktime(now.timetuple()))
+
+        # 拼接字符串
+        signature_origin = "host: " + self.host + "\n"
+        signature_origin += "date: " + date + "\n"
+        signature_origin += "GET " + self.path + " HTTP/1.1"
+
+        # 进行hmac-sha256进行加密
+        signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
+                                 digestmod=hashlib.sha256).digest()
+
+        signature_sha_base64 = base64.b64encode(signature_sha).decode(encoding='utf-8')
+
+        authorization_origin = f'api_key="{self.APIKey}", algorithm="hmac-sha256", headers="host date request-line", signature="{signature_sha_base64}"'
+
+        authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')
+
+        # 将请求的鉴权参数组合为字典
+        v = {
+            "authorization": authorization,
+            "date": date,
+            "host": self.host
+        }
+        # 拼接鉴权参数，生成url
+        url = self.ImageUnderstanding_url + '?' + urlencode(v)
+        #print(url)
+        # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
+        return url
+
+
+# 收到websocket错误的处理
+def on_error(ws, error):
+    print("### error:", error)
+
+
+# 收到websocket关闭的处理
+def on_close(ws, one, two):
+    print(" ")
+
+
+# 收到websocket连接建立的处理
+def on_open(ws):
+    thread.start_new_thread(run, (ws,))
+
+
+def run(ws, *args):
+    data = json.dumps(gen_params(appid=ws.appid, question=ws.question))
+    ws.send(data)
+
+
+# 收到websocket消息的处理
+def on_message(ws, message):
+    #print(message)
+    data = json.loads(message)
+    code = data['header']['code']
+    if code != 0:
+        print(f'请求错误: {code}, {data}')
+        ws.close()
+    else:
+        choices = data["payload"]["choices"]
+        status = choices["status"]
+        content = choices["text"][0]["content"]
+        print(content, end="")
+        global answer
+        answer += content
+        # print(1)
+        if status == 2:
+            ws.close()
+
+
+def gen_params(appid, question):
+    """
+    通过appid和用户的提问来生成请参数
+    """
+
+    data = {
+        "header": {
+            "app_id": appid
+        },
+        "parameter": {
+            "chat": {
+                "domain": "image",
+                "temperature": 0.5,
+                "top_k": 4,
+                "max_tokens": 2028,
+                "auditing": "default"
+            }
+        },
+        "payload": {
+            "message": {
+                "text": question
+            }
+        }
+    }
+
+    return data
+
+
+def main(appid, api_key, api_secret, imageunderstanding_url, question):
+    wsParam = Ws_Param(appid, api_key, api_secret, imageunderstanding_url)
+    websocket.enableTrace(False)
+    wsUrl = wsParam.create_url()
+    ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close, on_open=on_open)
+    ws.appid = appid
+    #ws.imagedata = imagedata
+    ws.question = question
+    ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE})
+
+
+def getText(role, content, picture):
+    jsoncon = {}
+    jsoncon["role"] = role
+    jsoncon["content"] = content
+    image = Image.fromarray(picture)
+    byte_io = io.BytesIO()
+    image.save(byte_io, format='PNG')
+    image_bytes = byte_io.getvalue()
+    # 进行 Base64 编码
+    encoded_image = base64.b64encode(image_bytes).decode('utf-8')
+    text = [{"role": "user", "content": encoded_image, "content_type": "image"}, jsoncon]
+    return text
+
+
+def getlength(text):
+    length = 0
+    for content in text:
+        temp = content["content"]
+        leng = len(temp)
+        length += leng
+    return length
+
+
+def checklen(text):
+    #print("text-content-tokens:", getlength(text[1:]))
+    while (getlength(text[1:]) > 8000):
+        del text[1]
+    return text
+
+
+def generate_outfit_advice(user_name, height, weight, waist, chest, hip, shoulder_width, leg_length, arm_length, gender,
+                           body_type, skin_color, style_preference, lifestyle_requirements, special_requirements,
+                           feedback, user_pic):
+    content = (f"""
+                       你是一位专业的民族服饰搭配大师，你需要充分了解中华民族的所有民族服饰的相关知识，包括不同民族服饰适合什么样的人群等。
+                       你需要对用户的照片和他们的输入信息作出评价，需要分析的因素包括以下内容： 
+                       1、用户上传的照片，分析种族、民族、脸型、五官比例、身材比例、肤色肤质。 
+                       2、用户基本信息：性别，年龄，身高，体重；
+                       3、身体数据：胸围，腰围，臀围，肩宽，腿长，臂长； 
+                       4、体型与身材特征：体型分类：如苹果型、梨型、矩形、沙漏型等；身材特征：如长腿、短腿、宽肩、窄肩等。 
+                       5、肤色与发色：肤色分类：如冷色调、暖色调、中性色调等；发色与发型：目前的发色和发型。 
+                       6、穿衣风格偏好：日常偏好的风格（例如休闲、正式、运动、复古等），喜欢的颜色和不喜欢的颜色，喜爱的服装品牌，特别喜欢的服装单品（例如裙子、裤子、衬衫等） 
+                       7、生活方式和场合需求：工作环境（例如：办公室、户外、创意行业等），主要的社交活动类型（例如：商务会议、派对、休闲聚会等），平常的活动类型和频率（例如：健身、旅行、家庭活动等） 
+                       8、季节和气候：所在地的气候情况（例如：四季分明、热带、寒冷地区等），需要的季节性服装（例如：冬季大衣、夏季连衣裙等） 
+                       9、个人偏好和特殊需求：对于面料的偏好（例如：棉、麻、丝、羊毛等）；是否有过敏或不适宜穿戴的材质；是否有特定的宗教或文化穿衣要求；是否有特殊身体条件需要考虑（例如：孕妇、残障人士等）
+                       输出要求：
+                       一、要求输出一段用户的人物画像，包含具体的服饰穿搭建议。 每种体型的合适服装和不合适服装都具有一定的潜在服装特征。例如，草莓形的人更适合穿
+                       宽领或深领的衣服，而梨形的人则更适合穿伞形下摆的衣服而不是紧身的衣服。 
+                       二、将穿搭建议转化为具体的服饰特征，建立用户特征与服饰提示词的对应。 例如场合对应衣服的干练程度，更喜欢通勤场合的会倾向于推荐小袖口的民族服饰； 
+                       根据体型推荐相关服饰，略显肥胖的人会推荐汉服齐腰儒裙等； 男性按身高与袖口来分辨哪种服饰。
+                       根据用户信息，用户名为{user_name}，身高为{height}，体重为{weight}，腰围为{waist}，胸围为{chest}，臀围为{hip}，
+                       肩宽为{shoulder_width}，腿长为{leg_length}，臂长为{arm_length}，性别为{gender}，体型分类为{body_type}，肤色为{skin_color}，
+                       穿衣风格偏好为{style_preference}，生活方式和场景需求为{lifestyle_requirements}，其他特殊需求为{special_requirements},{feedback}。
+                       请给出穿搭建议。
+                       """)
+    global answer
+    answer = ""
+    question = checklen(getText("user", content, user_pic))
+    main(appid, api_key, api_secret, imageunderstanding_url, question)
+    getText("assistant", answer, user_pic)
+    return gr.Markdown(answer)
+