app.py

# version - ArcticMonkey:19.03.24:1743

import platform
import psutil

# components from other authors
from streamlit_mic_recorder import mic_recorder

# core modules
from audio_processing.A2T import A2T
from audio_processing.T2A import T2A
from command.utils import build_chain
from llm.llm_factory import LLM_Factory

llm_model = LLM_Factory()

print(platform.node())

mac_address = platform.node()

def prepare_cor(input_text: str):
    return build_chain.build_command_chain().handle_command(input_text)

# Якщо MAC адреса співпадає з адресою цього Space, тоді використовується hf endpoint, це базова перевірка для trigger.
# Від можливості використовувати AI agent також буде залежати trigger, якщо використовується, то ліпше використовувати lc ніж hf.
if mac_address[-5:] == os.environ.get('MAC_address'):
    trigger = {"hf": "effective"}
else:
    trigger = {"lc": "small"}


def main():
    mic = mic_recorder(start_prompt="Record", stop_prompt="Stop", just_once=True)

    if mic is not None:
        a2t = A2T(mic["bytes"])
        text = a2t.predict()
        print(text)

        # Придумати як реалізувати команди
        # prepare_cor(input_text=text)

        # Треба для lc реалізувати буде виклик очишення
        llm = llm_model.create_llm(prompt_entity=text, prompt_id=1, trigger=trigger)
        response = llm.execution() if llm is not None else "Oops occurred some error. Please try again. Who is Jhon Galt!"

        # Треба буде переписати клас, передавати текст не через __init__ а в autoplay.
        t2a = T2A(response)
        t2a.autoplay()


if __name__ == "__main__":
    print(f"Total Memory: {psutil.virtual_memory().total / (1024**3):.2f} GB")
    print(f"Available Memory: {psutil.virtual_memory().available / (1024**3):.2f} GB")
    print(f"CPU Cores: {psutil.cpu_count()}")
    print(f"CPU Usage: {psutil.cpu_percent()}%")
    
    main()