change prompt

2025-12-14 18:37:53 +03:00
13 changed files with 152 additions and 323 deletions
--- a/app.py
+++ b/app.py
@@ -1,9 +1,17 @@
 import gradio as gr
+
+# Загрузка параметров конфигурации
 from config import *
+
+# Подгрузка сервисов
 from services.llm_factory import get_llm_provider
-from services.fasterWhisper import FasterWhisper
+
+
+
+# Загрузка доп. модулей
 from handlers.gradioHandler import GradioHandlers
 from handlers.fileHandlers import FileHandlers
+from services.fasterWhisper import FasterWhisper
 from handlers.convertMdToPdf import ConvertMdToPdf
 from handlers.glueAudio import GlueAudio

@@ -11,9 +19,16 @@ gh = GradioHandlers(get_llm_provider, ConvertMdToPdf, FileHandlers, FasterWhispe

 def main():
    with gr.Blocks() as demo:
-        gr.HTML('<div align=center><h1>Faster Whisper WebUI</h1></div>')
+        gr.HTML('''
+        <div align=center>
+            <h1>
+                Faster Whisper WebUI
+            </h1>
+        </div>
+        ''')

        with gr.Row():
+            # Вкладка с основным взаимодействием
            with gr.Tab('Actions'):
                isPipelineEnabledCheckbox = gr.Checkbox(label='is pipeline enabled', value=True, interactive=True)

@@ -23,102 +38,104 @@ def main():
                            audioFiles = gr.Files(label='Load audio for transcribe', type="filepath")
                            images = gr.Files(label='Upload images', file_types=['image'])
                            recognizeBtn = gr.Button('recognize and integrate', variant='primary')
+
                            with gr.Accordion(label='Recognized text'):
                                recognizedText = gr.TextArea(label='')

                    with gr.Accordion(label='LLM'):
                        with gr.Column():
                            refineTextBtn = gr.Button('refine text', variant='secondary', interactive=False)
+
                            with gr.Accordion(label='Refined text raw'):
                                refinedText = gr.Textbox(label='', show_copy_button=True)
+
                            with gr.Accordion(label='Refined text md formated'):
                                refinedTextMD = gr.Markdown(label='')

+            # Вкладка с настройками
            with gr.Tab('Settings'):
                with gr.Column():
+                    # Первое поле на всю ширину в акордионе настроек
                    with gr.Accordion('File settings'):
                        saveFileCheckbox = gr.Checkbox(label='save file', value=True, interactive=True)
-                        filename = gr.Textbox(label='Output filename', value='output.md', interactive=True)
+                        filename = gr.Textbox(label='Output filename', value='output.txt', interactive=True)
                        filenamePdf = gr.Textbox(label='Output filename for pdf', value='output.pdf', interactive=True)

+                    # Акордион настроек faster whisper
                    with gr.Accordion(label='Faster whisper settings'):
                        with gr.Row():
+                            # Левая колонка в акордионе
                            with gr.Column():
                                device = gr.Dropdown(label='Device', choices=DEVICES, value=DEVICES[1], interactive=True)
                                compute_type = gr.Dropdown(label='compute_type', choices=COMPUTE_TYPE, value=COMPUTE_TYPE[0], interactive=True)
                                fastWhisperModel = gr.Dropdown(label='Model', choices=FAST_WHISPER_MODELS, value=FAST_WHISPER_MODELS[11], interactive=True)
+
                                beamSize = gr.Number(label='beam_size', value=8, interactive=True)
                                noSpeechThreshold  = gr.Number(label='no_speech_threshold', value=0.5, interactive=True)
                                vadFilter = gr.Checkbox(label='vad_filter', value=True, interactive=True)
                                wordTimestamps = gr.Checkbox(label='word_timestamps', value=True, interactive=True)
                                conditionOnPreviousText = gr.Checkbox(label='condition_on_previous_text', value=False, interactive=True)
+
+                            # Правая колонка в акордионе
                            with gr.Column():
                                with gr.Accordion(label='Vad parameters'):
                                    minSilenceDurationMs = gr.Number(label='min_silence_duration_ms', value=300, interactive=True)
                                    speechPadMs = gr.Number(label='speech_pad_ms', value=200, interactive=True)
+
                                with gr.Accordion(label='Temperature'):
                                    temp0 = gr.Number(label='temp_0', value=0.0, interactive=True)
                                    temp1 = gr.Number(label='temp_1', value=0.2, interactive=True)
                                    temp2 = gr.Number(label='temp_2', value=0.4, interactive=True)

+                    # Нижний акордион настроек для api ключа llm
                    with gr.Accordion(label='LLM settings'):
                        apiKey = gr.Textbox(label='API key (required for io.net, Gemini)', value=DEFAULT_API_KEY, interactive=True)
+
                        with gr.Accordion(label='System prompt'):
                            systemPrompt = gr.Textbox(label='', value=DEFAULT_SYSTEM_PROMPT, interactive=True)

                        with gr.Row():
-                            llmProvider = gr.Dropdown(label='LLM Provider', choices=LLM_PROVIDERS, value=LLM_PROVIDERS[0], interactive=True)
-                            llmModel = gr.Dropdown(label='Models', choices=LLM_MODELS[LLM_PROVIDERS[0]], value=LLM_MODELS[LLM_PROVIDERS[0]][1], interactive=True)
+                            # ВЫБОР ПРОВАЙДЕРА
+                            llmProvider = gr.Dropdown(
+                                label='LLM Provider', 
+                                choices=LLM_PROVIDERS, 
+                                value=LLM_PROVIDERS[0], 
+                                interactive=True
+                            )
+                            # СПИСОК МОДЕЛЕЙ (теперь зависит от провайдера)
+                            llmModel = gr.Dropdown(
+                                label='Models', 
+                                choices=LLM_MODELS[LLM_PROVIDERS[0]], # Модели для провайдера по умолчанию
+                                value=LLM_MODELS[LLM_PROVIDERS[0]][1], 
+                                interactive=True
+                            )
                            llmTemperature = gr.Number(label='Temperature', value=0.8, interactive=True)

-                        # Настройки Custom провайдера
-                        with gr.Accordion(label='Custom Provider Settings', open=True):
-                            customBaseUrl = gr.Textbox(
-                                label='Base URL', 
-                                value='http://127.0.0.1:1234/v1/', 
-                                interactive=True,
-                                visible=False # Скрыто по умолчанию
-                            )
-
-        # Обработчики событий
        isPipelineEnabledCheckbox.change(gh.updateButton, inputs=[isPipelineEnabledCheckbox], outputs=refineTextBtn)
        saveFileCheckbox.change(gh.updateTextbox, inputs=saveFileCheckbox, outputs=filename)
        saveFileCheckbox.change(gh.updateTextbox, inputs=saveFileCheckbox, outputs=filenamePdf)

-        recognizeBtn.click(
-            gh.handleRecognizeBtn, 
-            inputs=[audioFiles, fastWhisperModel, device, compute_type, beamSize, 
-                    vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, 
-                    wordTimestamps, noSpeechThreshold, conditionOnPreviousText, gr.State(GLUED_AUDIO_FILENAME), gr.State(OUTPUT_PATH)],
-            outputs=[recognizedText], 
-        )
+        recognizeBtn.click(gh.handleRecognizeBtn, outputs=[recognizedText], inputs=[audioFiles, fastWhisperModel, device, compute_type, beamSize, vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, wordTimestamps, noSpeechThreshold, conditionOnPreviousText, gr.State(GLUED_AUDIO_FILENAME), gr.State(OUTPUT_PATH)])
        
-        # --- ИСПРАВЛЕНИЕ: ДОБАВЛЕН customBaseUrl В INPUTS ---
+        # Если пайплайн включен то тогда делаем автоматически
+        # автоматический пайплайн
        recognizedText.change(
            gh.generateByCondition,
-            inputs=[apiKey, llmProvider, llmModel, systemPrompt, recognizedText, llmTemperature, 
-                    isPipelineEnabledCheckbox, gr.State("change"), saveFileCheckbox, filename, filenamePdf, gr.State(OUTPUT_PATH), customBaseUrl],
+            inputs=[apiKey, llmProvider, llmModel, systemPrompt, recognizedText, llmTemperature, isPipelineEnabledCheckbox, gr.State("change"), saveFileCheckbox, filename, filenamePdf, gr.State(OUTPUT_PATH)],
            outputs=[refinedText, refinedTextMD]
        )
        
-        # Обновление выпадающего списка моделей и поля API ключа
+
+
+        # ручной запуск по кнопке
        llmProvider.change(
            gh.update_model_dropdown, 
            inputs=llmProvider, 
-            outputs=[llmModel, apiKey]
+            outputs=llmModel
        )
-        
-        # Переключение видимости URL для Custom провайдера
-        llmProvider.change(
-            fn=gh.toggle_custom_url,
-            inputs=llmProvider,
-            outputs=[customBaseUrl]
-        )
-
        refineTextBtn.click(
            gh.generateByCondition,
-            inputs=[apiKey, llmProvider, llmModel, systemPrompt, recognizedText, llmTemperature, 
-                    isPipelineEnabledCheckbox, gr.State("click"), saveFileCheckbox, filename, filenamePdf, gr.State(OUTPUT_PATH), customBaseUrl],
+            inputs=[apiKey, llmProvider, llmModel, systemPrompt, recognizedText, llmTemperature, isPipelineEnabledCheckbox, gr.State("click"), saveFileCheckbox, filename, filenamePdf, gr.State(OUTPUT_PATH)],
            outputs=[refinedText, refinedTextMD]
        )

--- a/config.py
+++ b/config.py
@@ -8,13 +8,10 @@ DEVICES = ['cpu', 'cuda']
 COMPUTE_TYPE = ['auto', 'int8', 'float16', 'float32']

 # Стандартный API ключ
-IO_API_KEY=os.getenv('IO_API_KEY')
-GEMINI_API_KEY=os.getenv('GEMINI_API_KEY')
-DEFAULT_API_KEY=IO_API_KEY
-
+DEFAULT_API_KEY=os.getenv('API_KEY')

 # Словарь провайдеров и их моделей
-LLM_PROVIDERS = ['io.net', 'Gemini', 'gpt4free', 'Custom']
+LLM_PROVIDERS = ['io.net', 'Gemini', 'gpt4free']
 LLM_MODELS = {
    'io.net': [
        'openai/gpt-oss-120b', 'Qwen/Qwen3-235B-A22B-Thinking-2507', 
@@ -30,7 +27,7 @@ LLM_MODELS = {
        'gemini-2.5-flash',
        'gemini-2.5-flash-lite'
    ],
-    'gpt4free': [
+    'gpt4free': [ # Модели могут меняться, проверьте документацию g4f
        'default',
        'gpt-4',
        'sonar-reasoning',
@@ -41,14 +38,7 @@ LLM_MODELS = {
        'gpt-4o-mini',
        'deepseek-r1',
        'PollinationsAI:gpt-5-nano'
-    ],
-    'Custom': [
-        'qwen/qwen3-vl-30b',
-        'qwen/qwen3-coder-30b',
-        'openai/gpt-oss-20b', 
-        'qwen3-vl-8b-thinking', 
-        'qwen/qwen3-vl-8b',
-    ],
+    ]
 }

 # Задаем выходную директорию
@@ -56,38 +46,42 @@ OUTPUT_PATH='outputs'

 GLUED_AUDIO_FILENAME='glued.mp3'

-DEFAULT_SYSTEM_PROMPT='''You are a diligent university student who has recorded a lecture as an audio file and later transcribed it into raw text. 
-Your task is to rewrite this unstructured transcript into a clear, logically organized, and detailed lecture summary (lecture notes).  
+DEFAULT_SYSTEM_PROMPT='''
+You are a smart university student creating easy-to-understand study notes summary of lesson  for a classmate who is a beginner. Your source is a raw text/audio transcript.

-Guidelines:
-1. Structure:
-   - Organize the text into a hierarchy of sections and subsections.  
-   - Use headings, bullet points, or numbering where appropriate.  
-   - Present the material in a logical flow (from introduction → main points → details → examples → conclusion).  
+GOAL: rewrite the information into a clear, structured summary in RUSSIAN.

-2. Clarity & Cohesion:
-   - Remove filler words, repetitions, and irrelevant fragments.  
-   - Rewrite incomplete sentences into full, grammatically correct sentences.  
-   - Ensure smooth transitions between topics, making the summary feel continuous and well-connected.  
+KEY RULES FOR CONTENT:
+1.  **Logical Structure:** Use Markdown headers (#, ##), bullet points, and short paragraphs.
+2.  **No "Water":** Remove filler words. Keep only practical information.
+3.  **Student Tone:** Write naturally, as if sharing notes with a friend. Avoid robotic phrases like "It is important to note".

-3. Depth & Detail: 
-   - Capture all important concepts, definitions, examples, and explanations from the lecture.  
-   - Expand shorthand or fragmented thoughts into full, precise explanations.  
-   - Where appropriate, rephrase or clarify confusing passages for better understanding.  
+KEY RULES FOR LATEX (CRITICAL FOR PYLATEXENC):
+1.  **Math Mode:** ANY variable (like t, L, C), number in a formula, or equation MUST be wrapped in dollar signs `$`.
+    *   BAD: i(t) = i_pr + i_sv
+    *   GOOD: $i(t) = i_{pr} + i_{sv}$
+2.  **Subscripts:** Always use curly braces `{}` for subscripts longer than one character.
+    *   BAD: $i_pr$
+    *   GOOD: $i_{pr}$ (or $i_{пр}$ if using cyrillic)
+3.  **Symbols:** Use standard LaTeX commands for symbols.
+    *   Arrow: use `\to` (e.g., $t \to \infty$).
+    *   Infinity: use `\infty`.
+    *   Multiplication: use `\cdot` or just space.
+4.  **Consistency:** Never leave a mathematical symbol as plain text. If you mention "current i", write "ток $i$".

-4. Accuracy:
-   - Preserve the lecturer’s original meaning, intent, and terminology.  
-   - Avoid adding personal opinions or new information that was not in the lecture.  
+EXAMPLE OF DESIRED OUTPUT FORMAT:
+# Тема лекции
+## Основные понятия
+*   **Переходный процесс** — это когда цепь перестраивается с одного режима на другой (например, щелкнули выключателем).
+*   Математически это описывается дифференциальными уравнениями. Порядок уравнения = количеству реактивных элементов ($L$ и $C$).

-5. Style:
-   - Write in a formal, academic tone suitable for study notes.  
-   - Aim for readability: concise sentences, but thorough coverage of concepts.  
-   - Use emphasis (e.g., bold or italic text) only when it improves comprehension.  
+## Классический метод
+Решение ищется в виде суммы двух частей:
+$$i(t) = i_{pr} + i_{sv}$$

-Final Output: A cohesive, detailed, and well-structured lecture summary, suitable for later studying and revision.
-Use only russian language!
-USE LATEX IN DOLLAR SIGN ($)!
-EXTRA BIG LENTH OF CONSPECT!
-MAKE AS LONG AS POSIBLE AND AS BE GOOD!
+1.  **Принужденная составляющая** ($i_{pr}$) — это режим, который установится в будущем, когда все успокоится ($t \to \infty$).
+2.  **Свободная составляющая** ($i_{sv}$) — это то, что происходит "само по себе" из-за энергии, запасенной в $L$ и $C$.
+
+***
+STRICTLY FOLLOW THESE FORMATTING RULES. OUTPUT IN RUSSIAN.
 '''
-
--- a/handlers/glueAudio.py
+++ b/handlers/glueAudio.py
@@ -1,61 +1,11 @@
-import subprocess
-from pathlib import Path
-
+from pydub import AudioSegment

 class GlueAudio():
-    def glue(self, audio_files: list, output_path: str, output_filename: str) -> Path:
-        """
-        Склеивает аудиофайлы РАЗНЫХ форматов с помощью FFmpeg и filter_complex.
-        Это универсальный и эффективный по памяти метод.
+    def glue(self, audioFiles):
+        glued = AudioSegment.empty()

-        Args:
-            audio_files (list): Список путей к исходным аудиофайлам.
-            output_path (str): Директория для сохранения итогового файла.
-            output_filename (str): Имя итогового склеенного файла.
+        for audioFile in audioFiles:
+            audio = AudioSegment.from_file(audioFile)
+            glued += audio

-        Returns:
-            Path: Путь к созданному склеенному файлу.
-        """
-        output_dir = Path(output_path)
-        output_dir.mkdir(parents=True, exist_ok=True)
-        final_audio_path = output_dir / output_filename
-
-        if not audio_files:
-            raise ValueError("Список аудиофайлов для склейки пуст.")
-
-        # 1. Формируем часть команды с входными файлами (-i file1 -i file2 ...)
-        input_args = []
-        for file_path in audio_files:
-            input_args.extend(['-i', str(Path(file_path).resolve())])
-
-        # 2. Формируем строку для filter_complex
-        num_files = len(audio_files)
-        stream_specifiers = "".join([f"[{i}:a]" for i in range(num_files)])
-        filter_complex_str = f"{stream_specifiers}concat=n={num_files}:v=0:a=1[outa]"
-
-        # 3. Собираем полную команду
-        command = [
-            'ffmpeg',
-            *input_args,  # Распаковываем список входных файлов
-            '-filter_complex', filter_complex_str,
-            '-map', '[outa]',
-            '-c:a', 'libmp3lame',
-            '-q:a', '2',
-            str(final_audio_path),
-            '-y'
-        ]
-
-        try:
-            # 4. Выполняем команду
-            print(f"Выполнение команды FFmpeg: {' '.join(command)}")
-            subprocess.run(command, check=True, capture_output=True, text=True)
-            print("FFmpeg успешно завершил склейку.")
-
-        except FileNotFoundError:
-            raise FileNotFoundError("FFmpeg не найден. Убедитесь, что он установлен и доступен в системной переменной PATH.")
-        except subprocess.CalledProcessError as e:
-            print("Ошибка при выполнении FFmpeg!")
-            print("Stderr:", e.stderr)
-            raise RuntimeError(f"Ошибка FFmpeg при склейке файлов: {e.stderr}")
-        
-        return final_audio_path
+        return glued
--- a/handlers/gradioHandler.py
+++ b/handlers/gradioHandler.py
@@ -1,52 +1,34 @@
-from config import LLM_MODELS, GEMINI_API_KEY, IO_API_KEY
+from config import LLM_MODELS # Импортируем словарь моделей
 import gradio as gr 

+
 class GradioHandlers:
    def __init__(self, llm_factory, ConvertMdToPdf, FileHandlers, FasterWhisper, GlueAudio):
+        # Объект для работы с файлами
        self.fh = FileHandlers()
        self.ga = GlueAudio()
        self.ConvertMdToPdf = ConvertMdToPdf()
        self.FasterWhisper = FasterWhisper()
-        self.llm_factory = llm_factory 
+        self.llm_factory = llm_factory # Сохраняем фабрику

-    def handleRecognizeBtn(self, audioFiles, model, device, compute_type, beamSize, vadFilter, 
-            minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, 
-            wordTimestamps, noSpeechThreshold, conditionOnPreviousText, filename, outPath):
+    def handleRecognizeBtn(self, audioFiles, model, device, compute_type, beamSize, vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, wordTimestamps, noSpeechThreshold, conditionOnPreviousText, filename, outPath):
+        audioFile = self.ga.glue(audioFiles)
+        file = self.fh.saveFile(filename, audioFile, outPath)
+
+        return self.FasterWhisper.recognize(model, device, compute_type, file, beamSize, vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, wordTimestamps, noSpeechThreshold, conditionOnPreviousText)
+
+    # Функция улучшения текста
+    def generateByCondition(self, api_key, llm_provider, llm_model, system_prompt, recognized_text, llm_temperature, is_pipeline_enabled, trigger, isSaveFile, filename, filenamePdf, output_path):
        try:
-            glued_audio_path = self.ga.glue(
-                audio_files=[f.name for f in audioFiles], 
-                output_path=outPath,
-                output_filename=filename
-            )
-        except (FileNotFoundError, RuntimeError) as e:
-            gr.Warning(str(e))
-            return "" 
-
-        return self.FasterWhisper.recognize(model, device, compute_type, str(glued_audio_path), beamSize, vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, wordTimestamps, noSpeechThreshold, conditionOnPreviousText)
-
-    # Добавил аргумент custom_base_url в конец
-    def generateByCondition(self, api_key, llm_provider, 
-                            llm_model, system_prompt, recognized_text, 
-                            llm_temperature, is_pipeline_enabled, trigger, 
-                            isSaveFile, filename, filenamePdf, output_path, custom_base_url):
-        
-        try:
-            if llm_provider == "Custom":
-                # Передаем base_url только для Custom
-                provider = self.llm_factory(llm_provider, api_key, base_url=custom_base_url)
-            else:
-                provider = self.llm_factory(llm_provider, api_key)
+            # Получаем нужный провайдер через фабрику
+            provider = self.llm_factory(llm_provider, api_key)
        except ValueError as e:
-            gr.Warning(str(e))
-            return gr.skip(), gr.skip()
+            # Если API ключ не предоставлен для нужного провайдера, выводим ошибку
+            self.gr.Warning(str(e))
+            return self.gr.skip(), self.gr.skip()

        def process():
-            # Добавлена обработка ошибок генерации
-            try:
-                result, md = provider.generate(llm_model, system_prompt, recognized_text, llm_temperature)
-            except Exception as e:
-                raise gr.Error(f"Ошибка генерации LLM: {e}")
-
+            result, md = provider.generate(llm_model, system_prompt, recognized_text, llm_temperature)
            pdf, unicodeText = self.ConvertMdToPdf.convertLatexToText(md)
            if isSaveFile:
                self.fh.saveFile(filenamePdf, pdf, output_path)
@@ -58,30 +40,28 @@ class GradioHandlers:

        return gr.skip(), gr.skip()
    
+    # НОВАЯ ФУНКЦИЯ для обновления списка моделей
    def update_model_dropdown(self, provider):
+        """
+        Вызывается при изменении llmProvider.
+        Возвращает обновленный компонент Dropdown для моделей.
+        """
+        # Получаем список моделей для выбранного провайдера
        models = LLM_MODELS.get(provider, [])
+        
+        # Выбираем первое значение по умолчанию, если список не пуст
        default_value = models[0] if models else None
        
-        # Обновляем список моделей и настройки поля API Key
-        if provider == 'io.net': 
-            return gr.update(choices=models, value=default_value), gr.update(label='API key', value=IO_API_KEY, interactive=True, visible=True)
-        if provider == 'Gemini': 
-            return gr.update(choices=models, value=default_value), gr.update(label='API key', value=GEMINI_API_KEY, interactive=True, visible=True)
-        if provider == 'gpt4free': 
-            return gr.update(choices=models, value=default_value), gr.update(label='API key (not required)', value="", interactive=False, visible=True)
-        if provider == "Custom": 
-            return gr.update(choices=models, value=default_value), gr.update(label='API key (optional)', value="", interactive=True, visible=True) # Для Custom ключ может понадобиться
+        # Возвращаем обновленный компонент. Используем 'gr' напрямую.
+        return gr.update(choices=models, value=default_value)

+     # Функция для динамического обновления кнопки
    def updateButton(self, isChecked):
-        variant = 'secondary' if isChecked else 'primary'
+        if not isChecked:
+            variant = 'primary'
+        else:
+            variant = 'secondary'
        return gr.update(interactive=not isChecked, variant=variant)

-    def toggle_custom_url(self, provider):
-        """Показывает поле Base URL только если выбран Custom"""
-        return gr.update(visible=(provider == 'Custom'))
-    
-    def update_custom_url(self, base_url):
-        return None 
-
    def updateTextbox(self, isChecked):
        return gr.update(visible=isChecked)
--- a/handlers/metadataHandler.py
+++ b/handlers/metadataHandler.py
@@ -1,21 +0,0 @@
-import os
-from PIL import Image, ExifTags
-import subprocess
-import json
-from datetime import datetime
-
-class MetadataHandler:
-    def get_image_timestamp(self, image_path: str) -> datetime | None: 
-        """Извлекает метку времени из метаданных изображения, если она доступна."""
-        try:
-            image = Image.open(image_path)
-            exif_data = image._getexif()
-            if exif_data:
-                for tag, value in exif_data.items():
-                    decoded_tag = ExifTags.TAGS.get(tag, tag)
-                    if decoded_tag == 'DateTimeOriginal':
-                        return value
-            return None
-        except Exception as e:
-            print(f"Error extracting metadata from image: {e}")
-            return None
--- a/pandoc.txt
+++ b/pandoc.txt
@@ -1,7 +0,0 @@
-pandoc "out.md" -o output1310.pdf \
-  --pdf-engine=xelatex \
-  -V geometry:margin=2.5cm \
-  -V fontsize=12pt \
-  -V mainfont="Times New Roman" \
-  -V colorlinks=true \
-  -V linkcolor=blue\
--- a/services/fasterWhisper.py
+++ b/services/fasterWhisper.py
@@ -1,11 +1,7 @@
 from faster_whisper import WhisperModel

 class FasterWhisper:
-    def recognize(self, model, device, compute_type, 
-                  audioFile, beamSize, vadFilter, 
-                  minSilenceDurationMs, speechPadMs, 
-                  temp0, temp1, temp2, wordTimestamps, 
-                  noSpeechThreshold, conditionOnPreviousText):
+    def recognize(self, model, device, compute_type, audioFile, beamSize, vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, wordTimestamps, noSpeechThreshold, conditionOnPreviousText):
        model = WhisperModel(model, device=device, compute_type=compute_type) # Задаем модель

        segments, _ = model.transcribe( # Распознаем текст
@@ -26,7 +22,6 @@ class FasterWhisper:

        for seg in segments:
            text += f"[{self.format_timestamp(seg.start)} -> {self.format_timestamp(seg.end)}] {seg.text}" + '\n'
-            print(f"[{self.format_timestamp(seg.start)} -> {self.format_timestamp(seg.end)}] {seg.text}")
        
        return text

--- a/services/llm_factory.py
+++ b/services/llm_factory.py
@@ -3,9 +3,8 @@ from services.llm_providers.ionet_provider import IoNetProvider
 from services.llm_providers.gemini_provider import GeminiProvider
 from services.llm_providers.gpt4free_provider import Gpt4FreeProvider
 from services.llm_providers.base_provider import BaseLLMProvider
-from services.llm_providers.custom_provider import CustomProvider

-def get_llm_provider(provider_name: str, api_key: str | None = None, base_url: str | None = None) -> BaseLLMProvider:
+def get_llm_provider(provider_name: str, api_key: str | None) -> BaseLLMProvider:
    """
    Фабричная функция для получения экземпляра провайдера LLM.
    """
@@ -19,9 +18,5 @@ def get_llm_provider(provider_name: str, api_key: str | None = None, base_url: s
        return GeminiProvider(api_key)
    elif provider_name == 'gpt4free':
        return Gpt4FreeProvider()
-    elif provider_name == 'Custom':
-        if not base_url:
-            raise ValueError("Base URL обязателен для Custom провайдера")
-        return CustomProvider(api_key, base_url)  # base_url будет установлен позже
    else:
        raise ValueError(f"Неизвестный провайдер: {provider_name}")
--- a/services/llm_providers/custom_provider.py
+++ b/services/llm_providers/custom_provider.py
@@ -1,44 +0,0 @@
-import requests
-from .base_provider import BaseLLMProvider
-
-class CustomProvider(BaseLLMProvider):
-    def __init__(self, api_key: str | None = None, base_url: str | None = None):
-        super().__init__(api_key)
-        self.base_url = base_url or 'http://127.0.0.1:1234/v1/'
-        
-        # ГАРАНТИРУЕМ наличие слеша в конце URL
-        if not self.base_url.endswith('/'):
-            self.base_url += '/'
-
-    def generate(self, model: str, system_prompt: str, user_prompt: str, temp: float):
-        url = f"{self.base_url}chat/completions"
-        
-        # Некоторые Custom провайдеры (как vLLM или Ollama) могут требовать API Key, даже если он фиктивный
-        headers = {"Content-Type": "application/json"}
-        if self.api_key:
-             headers["Authorization"] = f"Bearer {self.api_key}"
-
-        data = {
-            "model": model,
-            "messages": [
-                {'role': 'system', 'content': system_prompt},
-                {'role': 'user', 'content': user_prompt},
-            ],
-            "temperature": temp,
-            "stream": False
-        }
-        
-        try:
-            response = requests.post(url, headers=headers, json=data, timeout=300)
-            response.raise_for_status()
-            result = response.json()
-            
-            # Обработка разных форматов ответа (на всякий случай)
-            if 'choices' in result and len(result['choices']) > 0:
-                text = str(result['choices'][0]['message']['content'])
-                return text, text
-            else:
-                return f"Неожиданный ответ от сервера: {result}", str(result)
-            
-        except requests.exceptions.RequestException as e:
-            return f"Ошибка при запросе к CustomProvider API: {e}", f"Ошибка: {e}"
--- a/services/llm_providers/gemini_provider.py
+++ b/services/llm_providers/gemini_provider.py
@@ -41,7 +41,7 @@ class GeminiProvider(BaseLLMProvider):
        
        try:
            # 4. Отправляем POST-запрос с данными и настройками прокси
-            response = requests.post(api_url, json=data, proxies=proxies, timeout=400)
+            response = requests.post(api_url, json=data, proxies=proxies, timeout=90)
            
            # Проверяем, не вернул ли сервер ошибку (например, 4xx или 5xx)
            response.raise_for_status()
--- a/services/llm_providers/gpt4free_provider.py
+++ b/services/llm_providers/gpt4free_provider.py
@@ -3,13 +3,6 @@ from g4f.client import Client
 from .base_provider import BaseLLMProvider

 class Gpt4FreeProvider(BaseLLMProvider):
-    """
-    Провайдер для работы с моделью GPT через библиотеку gpt4free.
-    
-    Этот класс реализует интерфейс BaseLLMProvider и предоставляет возможность
-    взаимодействия с различными LLM через сервис gpt4free, который не требует
-    API ключа для работы.
-    """
    # gpt4free не требует API ключа
    def __init__(self, api_key: str | None = None):
        super().__init__(api_key)
@@ -17,18 +10,6 @@ class Gpt4FreeProvider(BaseLLMProvider):


    def generate(self, model: str, system_prompt: str, user_prompt: str, temp: float):
-        """
-        Генерирует ответ от модели GPT с использованием gpt4free.
-        
-        Args:
-            model (str): Название модели для генерации ответа
-            system_prompt (str): Системное сообщение для контекста
-            user_prompt (str): Пользовательский запрос
-            temp (float): Температура генерации ( controls randomness of responses)
-            
-        Returns:
-            tuple: Кортеж из двух одинаковых строк - сгенерированного ответа и его копии
-        """
        # temp в g4f может работать не для всех внутренних провайдеров
        try:
            response = self.client.chat.completions.create(
--- a/services/llm_providers/ionet_provider.py
+++ b/services/llm_providers/ionet_provider.py
@@ -1,34 +1,23 @@
-import requests
+import openai
 from .base_provider import BaseLLMProvider

 class IoNetProvider(BaseLLMProvider):
    def __init__(self, api_key: str):
        super().__init__(api_key)
-        self.base_url = 'https://api.intelligence.io.solutions/api/v1'
+        self.client = openai.OpenAI(
+            api_key=self.api_key,
+            base_url='https://api.intelligence.io.solutions/api/v1/'
+        )

    def generate(self, model: str, system_prompt: str, user_prompt: str, temp: float):
-        url = f"{self.base_url}/chat/completions"
-        headers = {
-            "Content-Type": "application/json",
-            "Authorization": f"Bearer {self.api_key}"
-        }
-        
-        data = {
-            "model": model,
-            "messages": [
+        response = self.client.chat.completions.create(
+            model=model,
+            messages=[
                {'role': 'system', 'content': system_prompt},
                {'role': 'user', 'content': user_prompt},
            ],
-            "temperature": temp
-        }
-        
-        try:
-            response = requests.post(url, headers=headers, json=data)
-            response.raise_for_status()
-            
-            result = response.json()
-            text = str(result['choices'][0]['message']['content'])
-            return text, text  # Возвращаем как чистый текст, так и Markdown
-            
-        except requests.exceptions.RequestException as e:
-            raise Exception(f"Ошибка при запросе к IO.net API: {e}")
+            temperature=temp,
+            stream=False
+        )
+        text = str(response.choices[0].message.content)
+        return text, text # Возвращаем как чистый текст, так и Markdown