Nova versão, com diferentes personalidades e em português

app.py

@@ -1,12 +1,34 @@
+import os
 
+import gradio as gr
 from openai import OpenAI
 
-import gradio as gr
 
+LOAD_SHARED_KEY = True
+
+# Load OpenAI API key, if the file exists
+if LOAD_SHARED_KEY and os.path.exists('KEY_OPENAI'):
+    with open('KEY_OPENAI', 'r') as file:
+        os.environ['OPENAI_API_KEY'] = file.read().replace('\n', '')
+else:
+    LOAD_SHARED_KEY = False
 
 AUDIO_OUTPUT_FILE = "output"   # prefixo do nome do arquivo de áudio .wav
 
-OPENAI_CLIENT = None
+TEMPLATE_SYSTEM_MESSAGE = """Sua função é entreter uma criança com idade entre 6 e 8 anos que adora futebol. Diretrizes para a conversa: 
+- Seu nome é {NAME}
+- Pergunte o nome da criança. 
+- Fale sobre futebol, times, jogadores, seleções e grandes jogos. 
+- Em especial, foque no futebol do Brasil, Inglaterra e Espanha. 
+- {PERSONALITY}
+- Fale, no máximo, três frases por mensagem. 
+"""
+
+# Mapeia a personalidade no template e na temperatura
+PERSONALITIES = {
+    "nova": ("Seja amigável e alegre, como uma criança. Tente iniciar novos assuntos, quando a conversa estiver repetitiva. Conte piadas de futebol, de vez em quando.", 0.8),
+    "echo": ("Seja amigável e objetivo. Tente manter-se no mesmo assunto. Conte alguma curiosidade sobre um grande craque, de vez em quando.", 0.2)
+}
 
 
 # Função para converter o histórico de chat para o formato esperado pela API do OpenAI
@@ -47,38 +69,117 @@ def respond(system_prompt, user_message, chat_history, temperature, voice="echo"
         return "", chat_history, output_audio_file
 
 
-def reset_and_apply(openai_key):
+def reset_and_apply(openai_key, voice):
     global OPENAI_CLIENT
     OPENAI_CLIENT = OpenAI(api_key=openai_key)
-    return [("", "Olá, vamos falar de futebol?")], AUDIO_OUTPUT_FILE + "-001.wav"
+    return [("", "Olá, vamos falar de futebol?")], AUDIO_OUTPUT_FILE + f"-001-{voice}.wav"
+
+def reset_openai_client(openai_key):
+    global OPENAI_CLIENT
+    OPENAI_CLIENT = OpenAI(api_key=openai_key)
+
+def on_voice_change(voice):
+    persona_description, persona_temperature = PERSONALITIES[voice]
+    return TEMPLATE_SYSTEM_MESSAGE.format(NAME=voice.upper(), PERSONALITY=persona_description), persona_temperature
+
+
+USE_ASR_PIPELINE = False
+
+# With Pipeline (downloaded model)
+if USE_ASR_PIPELINE:
+    from transformers import pipeline
+    import numpy as np
+
+    global ASR_PIPELINE
+    ASR_PIPELINE = pipeline(task="automatic-speech-recognition",
+               model="distil-whisper/distil-small.en")
+
+else:
+    import requests
+    with open('KEY_HF', 'r') as file:  
+        HF_KEY = file.read().replace('\n', '')
+
+    global ASR_API_URL, ASR_API_HEADERS
+    
+    # Serverless API endpoint for OpenAI's Whisper model
+    ASR_API_URL = "https://api-inference.huggingface.co/models/openai/whisper-large-v3"
+    ASR_API_HEADERS = {"Authorization": f"Bearer {HF_KEY}"}
+
+
+def transcribe(audio_in):
+    if USE_ASR_PIPELINE:
+        # sampling rate and audio data
+        sr, y = audio_in
+        y2 = y.astype(np.float32)
+        y2 /= np.max(np.abs(y))
+        response = ASR_PIPELINE({"sampling_rate": sr, "raw": y})
+    else:
+        # Option2: serverless API
+        with open(audio_in, "rb") as f:
+            data = f.read()
+        response = requests.post(ASR_API_URL, headers=ASR_API_HEADERS, data=data)
+        response = response.json()
+    
+    #print(response)
+    return response['text']
+
+
+def transcribe_and_respond(audio_in, system_txtbox, user_msg_txb, *args):
+    user_message = transcribe(audio_in)
+    outputs = respond(system_txtbox, user_message, *args)
+    return outputs
+    #return *outputs, audio_in
+
+
+OPENAI_CLIENT = None
+INITIAL_VOICE = "nova"
 
 
 with gr.Blocks() as demo:
     # aqui, é resetado e instanciado o cliente
-    initial_chat_history, initial_audio = reset_and_apply("no-key")
+    initial_chat_history, initial_audio = reset_and_apply(os.environ['OPENAI_API_KEY'], INITIAL_VOICE)
 
-    chatbot = gr.Chatbot(value=initial_chat_history)
-    audio_out = gr.Audio(label="Listen to the response", value=initial_audio, autoplay=True, interactive=False)
-    user_msg = gr.Textbox(label="Prompt")
+    chatbot_area = gr.Chatbot(value=initial_chat_history)
+    audio_out = gr.Audio(label="Escute a última mensagem", value=initial_audio, autoplay=True, interactive=False)
+    
+    user_msg_txb = gr.Textbox(label="Mensagem")
+    #if USE_ASR_PIPELINE:
+    #    audio_in = gr.Audio(label="Mensagem de Áudio", sources=['microphone'], interactive=True, type='numpy')
+    #else:
+    #    audio_in = gr.Audio(label="Mensagem de Áudio", sources=['microphone'], interactive=True, type='filepath')
     
-    with gr.Accordion(label="Advanced options",open=False):
-        system = gr.Textbox(label="System message", lines=3, value="Você é uma acompanhante de uma criança com idade entre 6 e 8 anos que adora futebol. \
-Fale sobre times do Brasil, Inglaterra e Espanha e sobre seleções. Fale sobre craques do passado e grandes jogos. Fale sobre títulos de Copa do Mundo. Seja divertido e pró-ativo,\
-tentando iniciar novos assuntos. Fale, no máximo, três frases por mensagem. E faça no máximo 1 pergunta por mensagem.")
-        openai_key = gr.Textbox(label="OPENAI API key", placeholder="Insert your API key here")
-        temperature = gr.Slider(label="temperature", minimum=0.0, maximum=1.0, value=0.5, step=0.1)
-        # opções de vozes, de uma lista predefinida
-        voice = gr.Dropdown(label="Voice", choices=["echo", "nova", "alloy", "fable", "onyx", "shimmer"], value="echo")
-        btnReset = gr.Button("Reset and apply")
-        btnReset.click(reset_and_apply, inputs=[openai_key], outputs=[chatbot, audio_out])
+    submit_btn = gr.Button("Enviar")
     
-    submit_btn = gr.Button("Submit")
-    clear_btn = gr.ClearButton(components=[user_msg, chatbot], value="Clear console")
+    #clear_btn = gr.ClearButton(components=[user_msg, chatbot], value="Clear console")
+    reset_btn = gr.Button("Reiniciar")
+    
+    with gr.Accordion(label="Configurações",open=False):
+        if LOAD_SHARED_KEY:
+            openai_key = gr.Textbox(label="OPENAI API Key", value=os.environ['OPENAI_API_KEY'])
+        else:
+            openai_key = gr.Textbox(label="OPENAI API Key", placeholder="Insert your API key here")
+        openai_key.change(reset_openai_client, inputs=[openai_key])
+
+        # opções de vozes e personalidades
+        voice_ddown = gr.Dropdown(label="Personalidade (muda os dois abaixo)", choices=["nova", "echo"], value=INITIAL_VOICE)
+
+        initial_system_message, initial_temperature = on_voice_change(INITIAL_VOICE)        
+        temperature_sldr = gr.Slider(label="Diversidade de respostas", minimum=0.0, maximum=1.0, value=initial_temperature, step=0.1)
+        
+        with gr.Accordion(label="Avançado",open=False):
+            # o valor inicial é dado pela system message com o nome e personalidade dados pelos controles acima
+            system_txtbox = gr.Textbox(label="System message", lines=3, value=initial_system_message)
+
+        voice_ddown.change(on_voice_change, inputs=[voice_ddown], outputs=[system_txtbox, temperature_sldr])
+        #gr.Markdown("*Clique em 'Reiniciar' para aplicar as (a maior parte das) configurações.*")
 
-    submit_btn.click(respond, inputs=[system, user_msg, chatbot, temperature, voice], outputs=[user_msg, chatbot, audio_out])  # Click on the button
-    user_msg.submit( respond, inputs=[system, user_msg, chatbot, temperature, voice], outputs=[user_msg, chatbot, audio_out])  # Press enter to submit - same effect
+    reset_btn.click(reset_and_apply, inputs=[openai_key, voice_ddown], outputs=[chatbot_area, audio_out])
 
+    #audio_in.stop_recording( transcribe, inputs=[audio_in], outputs=[user_msg_txb] )
+    #audio_in.stop_recording( transcribe_and_respond, inputs=[audio_in, system_txtbox, user_msg_txb, chatbot_area, temperature_sldr, voice_ddown], outputs=[user_msg_txb, chatbot_area, audio_out] )
+    submit_btn.click(respond, inputs=[system_txtbox, user_msg_txb, chatbot_area, temperature_sldr, voice_ddown], outputs=[user_msg_txb, chatbot_area, audio_out])    # Click on the button
+    user_msg_txb.submit(respond, inputs=[system_txtbox, user_msg_txb, chatbot_area, temperature_sldr, voice_ddown], outputs=[user_msg_txb, chatbot_area, audio_out]) # Press enter to submit - same effect
 
-demo.queue().launch()
 
+demo.queue().launch(share=False)