Update .gitignore

.gitignore

@@ -2,4 +2,3 @@
 __pycache__/
 outputs/*
 venv/
-

app.py

@@ -1,128 +1,195 @@
 import gradio as gr
-from config import *
-from services.llm_factory import get_llm_provider
+from pathlib import Path
+
+# Подгрузка сервисов
+from services.llm import Llm
 from services.fasterWhisper import FasterWhisper
-from handlers.gradioHandler import GradioHandlers
-from handlers.fileHandlers import FileHandlers
-from handlers.convertMdToPdf import ConvertMdToPdf
-from handlers.glueAudio import GlueAudio
+from services.convertMdToPdf import ConvertMdToPdf
 
-gh = GradioHandlers(get_llm_provider, ConvertMdToPdf, FileHandlers, FasterWhisper, GlueAudio)
+# Загрузка параметров конфигурации
+from config import *
+
+# Функция транскрибации
+def generateByCondition(api_key, llm_model, system_prompt, recognized_text, llm_temperature, is_pipeline_enabled, trigger, isSaveFile, filename, filenamePdf):
+    llm = Llm(api_key)
+
+    # если чекбокс включен и событие было change → обрабатываем
+    if is_pipeline_enabled and trigger == "change":
+        result, md = llm.generate(llm_model, system_prompt, recognized_text, llm_temperature)
+
+        # Конвертируем текст с латексом в юникод
+        pdf, unicodeText = ConvertMdToPdf().convertLatexToText(md)
+
+        if isSaveFile:
+            savePdf(filenamePdf, pdf)
+            saveFile(filename, result)
+
+        return result, unicodeText
+
+    # если чекбокс выключен и событие было click → обрабатываем
+    if not is_pipeline_enabled and trigger == "click":
+        result, md = llm.generate(llm_model, system_prompt, recognized_text, llm_temperature)
+
+        # Конвертируем текст с латексом в юникод
+        pdf, unicodeText = ConvertMdToPdf().convertLatexToText(md)
+
+        if isSaveFile:
+            savePdf(filenamePdf, pdf)
+            saveFile(filename, result)
+
+        return result, unicodeText
+
+    # если нет чекбокса и было событие change
+    return gr.skip(), gr.skip()
+
+
+def savePdf(filename, pdf):
+    directory = Path(OUTPUT_PATH)
+    filePath = directory / filename
+    filePath.parent.mkdir(parents=True, exist_ok=True)
+    pdf.save(filePath)
+
+# Функция сохранеhния файла
+def saveFile(filename, text):
+    directory = Path(OUTPUT_PATH)
+    filePath = directory / filename
+    filePath.parent.mkdir(parents=True, exist_ok=True)
+    filePath.write_text(text, encoding='utf-8')
+
+#    ConvertMdToPdf().convert(text)
+
+# Функция для динамического обновления кнопки в зависимости от состояния checkbox
+def updateButton(isChecked):
+    if not isChecked:
+        variant = 'primary'
+    else:
+        variant = 'secondary'
+
+    return gr.update(interactive=not isChecked, variant=variant)
+
+
+def updateTextbox(isChecked):
+    return gr.update(visible=isChecked)
+
+###################################################
+# ____ ___.___  ___.          .__                 #
+#|    |   \   | \_ |__   ____ |  |   ______  _  __#
+#|    |   /   |  | __ \_/ __ \|  |  /  _ \ \/ \/ /#
+#|    |  /|   |  | \_\ \  ___/|  |_(  <_> )     / #
+#|______/ |___|  |___  /\___  >____/\____/ \/\_/  #
+#                    \/     \/                    #
+###################################################
 
-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)
 
             with gr.Row():
                 with gr.Accordion(label='Recognization and integration'):
                     with gr.Column():
-                            audioFiles = gr.Files(label='Load audio for transcribe', type="filepath")
+                        audioFile = gr.Audio(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)
+                            device = gr.Dropdown(label='Device', choices=["cpu", "cuda"], value="cuda", interactive=True)
+                            compute_type = gr.Dropdown(label='compute_type', choices=["auto", "int8", "float16", "float32"], value="auto", 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)
 
-                    with gr.Accordion(label='LLM settings'):
-                        apiKey = gr.Textbox(label='API key (required for io.net, Gemini)', value=DEFAULT_API_KEY, interactive=True)
+                # Нижний акордион настроек для api ключа llm
+                with gr.Accordion(label='ai.io.net api settings'):
+                    apiKey = gr.Textbox(label='API key', 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)
+                        llmModel = gr.Dropdown(label='models', choices=LLM_MODELS, value=LLM_MODELS[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)
+    isPipelineEnabledCheckbox.change(updateButton, inputs=[isPipelineEnabledCheckbox], outputs=refineTextBtn)
+    saveFileCheckbox.change(updateTextbox, inputs=saveFileCheckbox, outputs=filename)
+    saveFileCheckbox.change(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(FasterWhisper().recognize, outputs=[recognizedText], inputs=[fastWhisperModel, device, compute_type, audioFile, beamSize, vadFilter, minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, wordTimestamps, noSpeechThreshold, conditionOnPreviousText])
     
-        # --- 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],
+        generateByCondition,
+        inputs=[apiKey, llmModel, systemPrompt, recognizedText, llmTemperature, isPipelineEnabledCheckbox, gr.State("change"), saveFileCheckbox, filename, filenamePdf],
         outputs=[refinedText, refinedTextMD]
     )
 
-        # Обновление выпадающего списка моделей и поля API ключа
-        llmProvider.change(
-            gh.update_model_dropdown, 
-            inputs=llmProvider, 
-            outputs=[llmModel, apiKey]
-        )
-        
-        # Переключение видимости URL для Custom провайдера
-        llmProvider.change(
-            fn=gh.toggle_custom_url,
-            inputs=llmProvider,
-            outputs=[customBaseUrl]
-        )
-
+    # ручной запуск по кнопке
     refineTextBtn.click(
-            gh.generateByCondition,
-            inputs=[apiKey, llmProvider, llmModel, systemPrompt, recognizedText, llmTemperature, 
-                    isPipelineEnabledCheckbox, gr.State("click"), saveFileCheckbox, filename, filenamePdf, gr.State(OUTPUT_PATH), customBaseUrl],
+        generateByCondition,
+        inputs=[apiKey, llmModel, systemPrompt, recognizedText, llmTemperature, isPipelineEnabledCheckbox, gr.State("click"), saveFileCheckbox, filename, filenamePdf],
         outputs=[refinedText, refinedTextMD]
     )
 
 demo.launch()
-
-if __name__ == '__main__':
-    main()

config.py

@@ -4,58 +4,14 @@ from dotenv import load_dotenv
 load_dotenv()
 
 FAST_WHISPER_MODELS = ['tiny', 'base', 'small', 'medium', 'large-v1', 'large-v2', 'large-v3', 'large', 'distil-large-v2', 'distil-large-v3', 'distil-large-v3.5', 'large-v3-turbo', 'turbo']
-DEVICES = ['cpu', 'cuda']
-COMPUTE_TYPE = ['auto', 'int8', 'float16', 'float32']
+LLM_MODELS = ['openai/gpt-oss-120b', 'Qwen/Qwen3-235B-A22B-Thinking-2507', 'deepseek-ai/DeepSeek-R1-0528', 'meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8', 'openai/gpt-oss-20b', 'Intel/Qwen3-Coder-480B-A35B-Instruct-int4-mixed-ar', 'meta-llama/Llama-3.2-90B-Vision-Instruct', 'mistralai/Mistral-Nemo-Instruct-2407', 'Qwen/Qwen2.5-VL-32B-Instruct', 'meta-llama/Llama-3.3-70B-Instruct', 'mistralai/Devstral-Small-2505', 'mistralai/Magistral-Small-2506', 'mistralai/Mistral-Large-Instruct-2411', 'CohereForAI/aya-expanse-32b']
+
 
 # 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
-
-
-# Словарь провайдеров и их моделей
-LLM_PROVIDERS = ['io.net', 'Gemini', 'gpt4free', 'Custom']
-LLM_MODELS = {
-    'io.net': [
-        'openai/gpt-oss-120b', 'Qwen/Qwen3-235B-A22B-Thinking-2507', 
-        'deepseek-ai/DeepSeek-R1-0528', 'meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8', 
-        'openai/gpt-oss-20b', 'Intel/Qwen3-Coder-480B-A35B-Instruct-int4-mixed-ar', 
-        'meta-llama/Llama-3.2-90B-Vision-Instruct', 'mistralai/Mistral-Nemo-Instruct-2407', 
-        'Qwen/Qwen2.5-VL-32B-Instruct', 'meta-llama/Llama-3.3-70B-Instruct', 
-        'mistralai/Devstral-Small-2505', 'mistralai/Magistral-Small-2506', 
-        'mistralai/Mistral-Large-Instruct-2411', 'CohereForAI/aya-expanse-32b'
-    ],
-    'Gemini': [
-        'gemini-2.5-pro',
-        'gemini-2.5-flash',
-        'gemini-2.5-flash-lite'
-    ],
-    'gpt4free': [
-        'default',
-        'gpt-4',
-        'sonar-reasoning',
-        'command-r-plus',
-        'llama-3.3-70b',
-        'hermes-3-llama-3.1-405b'
-        'qwen-3-235b',
-        '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',
-    ],
-}
-
+DEFAULT_API_KEY=os.getenv('API_KEY')
 # Задаем выходную директорию
 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).  
 
@@ -88,6 +44,5 @@ Final Output: A cohesive, detailed, and well-structured lecture summary, suitabl
 Use only russian language!
 USE LATEX IN DOLLAR SIGN ($)!
 EXTRA BIG LENTH OF CONSPECT!
-MAKE AS LONG AS POSIBLE AND AS BE GOOD!
 '''
 

handlers/fileHandlers.py

@@ -1,31 +0,0 @@
-from pathlib import Path
-
-# Для аннотации типов
-from markdown_pdf import MarkdownPdf 
-from pydub import AudioSegment
-
-class FileHandlers:
-    # Функция сохранения файла
-    def saveFile(self, filename, content, output_path, format='mp3'):
-        '''
-        Сохраняет текст, pdf из markdown_pdf или склеенный аудиофайл в файл с указанным названием и директорией.
-
-        Args:
-            :param filename: название файла;
-            :param content: содержание файла;
-            :param output_path: выходная диретория файла.
-        '''
-        # Создание объекта директории
-        directory = Path(output_path)
-        filePath = directory / filename # Добавление пути директории
-        filePath.parent.mkdir(parents=True, exist_ok=True) # Создание директории если не существует
-
-        # Сохранение для разных типов
-        if type(content) == MarkdownPdf:
-            return content.save(filePath)
-
-        elif type(content) == str:
-            return filePath.write_text(content, encoding='utf-8')
-
-        elif type(content) == AudioSegment:
-            return content.export(filePath, format=format)

handlers/glueAudio.py

@@ -1,61 +0,0 @@
-import subprocess
-from pathlib import Path
-
-
-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.
-
-        Args:
-            audio_files (list): Список путей к исходным аудиофайлам.
-            output_path (str): Директория для сохранения итогового файла.
-            output_filename (str): Имя итогового склеенного файла.
-
-        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

handlers/gradioHandler.py

@@ -1,87 +0,0 @@
-from config import LLM_MODELS, GEMINI_API_KEY, IO_API_KEY
-import gradio as gr 
-
-class GradioHandlers:
-    def __init__(self, llm_factory, ConvertMdToPdf, FileHandlers, FasterWhisper, GlueAudio):
-        self.fh = FileHandlers()
-        self.ga = GlueAudio()
-        self.ConvertMdToPdf = ConvertMdToPdf()
-        self.FasterWhisper = FasterWhisper()
-        self.llm_factory = llm_factory 
-
-    def handleRecognizeBtn(self, audioFiles, model, device, compute_type, beamSize, vadFilter, 
-            minSilenceDurationMs, speechPadMs, temp0, temp1, temp2, 
-            wordTimestamps, noSpeechThreshold, conditionOnPreviousText, filename, outPath):
-        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)
-        except ValueError as e:
-            gr.Warning(str(e))
-            return gr.skip(), 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}")
-
-            pdf, unicodeText = self.ConvertMdToPdf.convertLatexToText(md)
-            if isSaveFile:
-                self.fh.saveFile(filenamePdf, pdf, output_path)
-                self.fh.saveFile(filename, result, output_path)
-            return result, unicodeText
-
-        if (is_pipeline_enabled and trigger == "change") or (not is_pipeline_enabled and trigger == "click"):
-            return process()
-
-        return gr.skip(), gr.skip()
-    
-    def update_model_dropdown(self, provider):
-        models = LLM_MODELS.get(provider, [])
-        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
-
-    def updateButton(self, isChecked):
-        variant = 'secondary' if isChecked else 'primary'
-        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)

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

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\

services/convertMdToPdf.py

@@ -6,13 +6,6 @@ from markdown_pdf import Section
 class ConvertMdToPdf:
     # Конвертирует md в pdf
     def convertLatexToText(self, text:str):
-        '''
-        Функция для конвертации LaTeX в текст;
-
-        Args:
-            :param text: текст содержащий LaTeX.
-        '''
-
         # Обрабатываем только математические выражения
         text = re.sub(
             r'\$\$(.*?)\$\$|\$(.*?)\$', 

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
@@ -26,9 +22,8 @@ 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
+        return(text)
 
     def format_timestamp(self, seconds: float) -> str:
         millis = int(seconds * 1000)

services/llm.py

@@ -0,0 +1,31 @@
+import openai
+
+class Llm:
+    def __init__(self, apiKey:str):
+        self.client = openai.OpenAI(
+            api_key=apiKey,
+            base_url='https://api.intelligence.io.solutions/api/v1/'
+        )
+
+    def generate(self, model:str, systemPrompt:str, userPrompt:str, temp:float):
+        '''
+        prompt[user_promtp, system_ptompt]
+        Function generate text by prompt
+        '''
+
+        # Получаем ответ от нейросети
+        response = self.client.chat.completions.create(
+            model=model,
+            messages=[
+                {'role': 'system', 'content': systemPrompt},
+                {'role': 'user', 'content': userPrompt},
+            ],
+            temperature=temp,
+            stream=False
+        ) 
+
+        # Достаем текст
+        text = str(response.choices[0].message.content)
+
+        return text, text
+

services/llm_factory.py

@@ -1,27 +0,0 @@
-# services/llm_factory.py
-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:
-    """
-    Фабричная функция для получения экземпляра провайдера LLM.
-    """
-    if provider_name == 'io.net':
-        if not api_key:
-            raise ValueError("API ключ обязателен для io.net")
-        return IoNetProvider(api_key)
-    elif provider_name == 'Gemini':
-        if not api_key:
-            raise ValueError("API ключ обязателен для Gemini")
-        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}")

services/llm_providers/base_provider.py

@@ -1,18 +0,0 @@
-from abc import ABC, abstractmethod
-
-class BaseLLMProvider(ABC):
-    """
-    Абстрактный базовый класс для всех провайдеров LLM.
-    Каждый провайдер должен реализовать метод generate.
-    """
-    def __init__(self, api_key: str | None = None):
-        self.api_key = api_key
-
-    @abstractmethod
-    def generate(self, model: str, system_prompt: str, user_prompt: str, temp: float):
-        """
-        Основной метод для генерации текста.
-
-        Должен возвращать кортеж из двух строк: (чистый_текст, markdown_текст)
-        """
-        pass

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}"

services/llm_providers/gemini_provider.py

@@ -1,74 +0,0 @@
-# services/llm_providers/gemini_provider.py
-
-import requests
-from .base_provider import BaseLLMProvider
-
-class GeminiProvider(BaseLLMProvider):
-    """
-    Провайдер для Google Gemini, использующий прямые REST API вызовы 
-    через библиотеку requests для надежной работы с SOCKS-прокси.
-    """
-    def __init__(self, api_key: str):
-        super().__init__(api_key)
-        self.base_url = "https://generativelanguage.googleapis.com/v1beta/models/"
-
-    def generate(self, model: str, system_prompt: str, user_prompt: str, temp: float):
-        """
-        Генерирует текст с помощью модели Gemini, отправляя запрос через прокси.
-        """
-        # 1. Формируем URL для запроса
-        api_url = f"{self.base_url}{model}:generateContent?key={self.api_key}"
-
-        # 2. Задаем настройки прокси из вашего примера
-        # socks5h:// означает, что DNS-запросы также будут идти через прокси
-        proxies = {
-            'http': 'socks5://192.168.1.6:2080',
-            'https': 'socks5h://192.168.1.6:2080'
-        }
-
-        # 3. Собираем тело запроса (payload) в формате, который ожидает Gemini API
-        data = {
-            "system_instruction": {
-                "parts": {"text": system_prompt}
-            },
-            "contents": [{
-                "parts": [{"text": user_prompt}]
-            }],
-            "generationConfig": {
-                "temperature": temp
-            }
-        }
-        
-        try:
-            # 4. Отправляем POST-запрос с данными и настройками прокси
-            response = requests.post(api_url, json=data, proxies=proxies, timeout=400)
-            
-            # Проверяем, не вернул ли сервер ошибку (например, 4xx или 5xx)
-            response.raise_for_status()
-
-            # 5. Парсим JSON-ответ и извлекаем сгенерированный текст
-            response_json = response.json()
-            
-            # Добавим проверку на случай, если контент был заблокирован
-            if "candidates" not in response_json or not response_json["candidates"]:
-                block_reason = response_json.get("promptFeedback", {}).get("blockReason", "неизвестная причина")
-                error_message = f"Контент заблокирован. Причина: {block_reason}"
-                return error_message, error_message
-
-            text = response_json["candidates"][0]["content"]["parts"][0]["text"]
-            return text, text
-
-        except requests.exceptions.ProxyError as e:
-            error_message = f"Ошибка подключения к прокси. Убедитесь, что Nekobox запущен и слушает порт 2080. Ошибка: {e}"
-            print(error_message)
-            return error_message, error_message
-        except requests.exceptions.RequestException as e:
-            # Ловим все остальные ошибки requests (таймаут, проблемы с сетью и т.д.)
-            error_message = f"Произошла ошибка при обращении к API Gemini: {e}"
-            print(error_message)
-            return error_message, error_message
-        except (KeyError, IndexError) as e:
-            # Ловим ошибки, если структура JSON-ответа неожиданная
-            error_message = f"Не удалось разобрать ответ от API Gemini. Структура ответа изменилась. Ошибка: {e}"
-            print(error_message)
-            return error_message, error_message

services/llm_providers/gpt4free_provider.py

@@ -1,47 +0,0 @@
-# services/llm_providers/gpt4free_provider.py
-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)
-        self.client = Client()
-
-
-    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(
-            model=model,  # Пример модели, может варьироваться в зависимости от доступности провайдеров
-            messages=[
-                {"role": "system", "content": system_prompt},
-                {"role": "user", "content": user_prompt}
-                ],
-                temperature=temp
-            )
-            text = response.choices[0].message.content
-            return text, text
-        except Exception as e:
-            error_message = f"Ошибка при работе с gpt4free: {e}"
-            print(error_message)
-            return error_message, error_message

services/llm_providers/ionet_provider.py

@@ -1,34 +0,0 @@
-import requests
-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'
-
-    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": [
-                {'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}")