Update app.py

app.py

@@ -19,7 +19,7 @@ from google import genai
 from google.genai import types
 from groq import Groq
 
-# ▼▼▼ [DNS解決パッチ] ▼▼▼
+# DNSパッチ
 _original_getaddrinfo = socket.getaddrinfo
 
 def patched_getaddrinfo(host, port, family=0, type=0, proto=0, flags=0):
@@ -39,7 +39,6 @@ def patched_getaddrinfo(host, port, family=0, type=0, proto=0, flags=0):
     return _original_getaddrinfo(host, port, family, type, proto, flags)
 
 socket.getaddrinfo = patched_getaddrinfo
-# ▲▲▲ パッチここまで ▲▲▲
 
 load_dotenv()
 
@@ -54,8 +53,8 @@ try:
         with open("cookies.txt", "w") as f:
             f.write(cookie_content)
         print("DEBUG: cookies.txt を生成しました")
-except Exception as e:
-    print(f"DEBUG: Cookie生成エラー: {e}")
+except Exception:
+    pass
 
 GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
 GROQ_API_KEY = os.getenv("GROQ_API_KEY")
@@ -71,8 +70,6 @@ if GROQ_API_KEY:
         print("✅ Groq Client Initialized")
     except Exception as e:
         print(f"❌ Groq Init Error: {e}")
-else:
-    print("⚠️ GROQ_API_KEYがありません。暫定文字起こし機能は動きません。")
 
 sys.stdout.reconfigure(line_buffering=True)
 
@@ -132,13 +129,12 @@ class StreamWorker:
             os.remove(self.fifo_path)
         os.mkfifo(self.fifo_path)
 
-        # ▼▼▼ DEBUG: ログをフル出力設定に変更 ▼▼▼
         base_opts = {
             'format': 'bestaudio/best',
             'outtmpl': self.fifo_path,
-            'quiet': False,       # ログを出す
-            'verbose': True,      # 詳細ログを出す
-            'no_warnings': False, # 警告も出す
+            'quiet': False, 
+            'verbose': True,
+            'no_warnings': False,
             'nocheckcertificate': True,
             'socket_timeout': 30,
             'retries': 10,
@@ -175,27 +171,43 @@ class StreamWorker:
                 with yt_dlp.YoutubeDL(opts) as ydl:
                     ydl.download([self.url])
                 
-                # ファイルが生成されたかチェック
                 if os.path.exists(self.fifo_path):
                     print(f"✅ ダウンロード成功 [{label}]")
                     success = True
                     break
                 else:
-                    print(f"⚠️ ダウンロード完了したがファイルがない [{label}]")
+                    print(f"⚠️ ファイル未生成 [{label}]")
             except Exception as e:
                 print(f"❌ yt-dlpエラー [{label}]: {e}")
                 time.sleep(1)
                 continue
 
         if not success:
-            print("❌ 全ての接続方法で失敗")
-            self.socketio.emit("error_msg", {"msg": "動画にアクセスできませんでした。(ログを確認してください)"}, room=self.sid)
+            self.socketio.emit("error_msg", {"msg": "動画にアクセスできませんでした。"}, room=self.sid)
             self.is_running = False
 
+    # ▼▼▼ 重要: 生データをWAVファイル形式に変換する関数 ▼▼▼
+    def _create_wav_bytes(self, pcm_data):
+        wav_io = io.BytesIO()
+        try:
+            with wave.open(wav_io, 'wb') as wb:
+                wb.setnchannels(1)     # モノラル
+                wb.setsampwidth(2)     # 16bit (2byte)
+                wb.setframerate(16000) # 16kHz
+                wb.writeframes(pcm_data)
+            wav_io.seek(0) # 先頭に戻す
+            return wav_io
+        except Exception as e:
+            print(f"ERROR: WAV変換失敗: {e}")
+            return None
+
     def _transcribe_interim(self, audio_data):
         if not groq_client: return None
         try:
-            audio_file = io.BytesIO(audio_data)
+            # ここで生データではなく、正規のWAVファイルを生成して渡す
+            audio_file = self._create_wav_bytes(audio_data)
+            if not audio_file: return None
+            
             audio_file.name = "audio.wav"
             transcription = groq_client.audio.transcriptions.create(
                 file=audio_file,
@@ -206,26 +218,24 @@ class StreamWorker:
             )
             return transcription.strip()
         except Exception as e:
+            # 400エラーの原因がこれだったので、詳細を出力
             print(f"DEBUG: Groq Error: {e}")
             return None
 
     def _process_audio_final(self, audio_data):
-        print("DEBUG: Final処理開始 (Groq -> Gemini)")
+        # 1. Groqで確定文字起こし
         transcript_text = self._transcribe_interim(audio_data)
         if not transcript_text or len(transcript_text) <= 2: 
-            print("DEBUG: Groq結果が空、または短すぎます")
             return ""
-        
-        print(f"DEBUG: Transcript: {transcript_text[:30]}...")
 
         clean_text = transcript_text.lower().strip('.').strip()
         for phrase in HALLUCINATION_PHRASES:
-            if clean_text == phrase.lower(): 
-                print("DEBUG: 幻覚フィルター検���")
-                return ""
-        if transcript_text.startswith('[') and transcript_text.endswith(']'): 
-            return ""
+            if clean_text == phrase.lower(): return ""
+        if transcript_text.startswith('[') and transcript_text.endswith(']'): return ""
 
+        print(f"DEBUG: Final Transcript: {transcript_text[:30]}...")
+
+        # 2. Geminiで翻訳
         try:
             tgt_lang = self.settings.get('target_lang', 'ja')
             tgt_name = "Japanese" if tgt_lang == 'ja' else "English"
@@ -237,7 +247,15 @@ class StreamWorker:
             Output format:
             Speaker 1: [Translation]
             """
-            contents = [prompt, types.Part.from_bytes(data=audio_data, mime_type="audio/wav")]
+            
+            # Geminiにも生データではなくWAVコンテナに入れたものを渡す方が安全
+            wav_file = self._create_wav_bytes(audio_data)
+            if not wav_file: return ""
+            
+            # BytesIOからバイト列を取り出して渡す
+            wav_bytes = wav_file.getvalue()
+
+            contents = [prompt, types.Part.from_bytes(data=wav_bytes, mime_type="audio/wav")]
             config = types.GenerateContentConfig(temperature=0.0, system_instruction=self.system_instruction)
             response = self.client.models.generate_content(model=self.model_name, contents=contents, config=config)
             
@@ -257,23 +275,17 @@ class StreamWorker:
         self.download_thread.daemon = True
         self.download_thread.start()
 
-        # パイプができるまで待機
         for i in range(200):
-            if os.path.exists(self.fifo_path): 
-                print("DEBUG: FIFOパイプを確認しました")
-                break
+            if os.path.exists(self.fifo_path): break
             time.sleep(0.1)
-            if i % 50 == 0: print("DEBUG: パイプ生成待ち...")
         
         if not os.path.exists(self.fifo_path): 
-            print("ERROR: パイプが生成されませんでした (yt-dlp失敗)")
+            print("ERROR: パイプ生成失敗")
             self.stop(); return
 
         ffmpeg_cmd = ["ffmpeg", "-y", "-i", self.fifo_path, "-f", "s16le", "-acodec", "pcm_s16le", "-ac", "1", "-ar", "16000", "-bufsize", "0", "pipe:1"]
         try: self.ffmpeg_proc = subprocess.Popen(ffmpeg_cmd, stdout=subprocess.PIPE, stderr=None)
-        except Exception as e: 
-            print(f"ERROR: FFmpeg起動失敗: {e}")
-            self.stop(); return
+        except Exception: self.stop(); return
 
         print(f"👂 音声待機中... ({self.sid})")
 
@@ -282,36 +294,37 @@ class StreamWorker:
         BYTES_PER_SAMPLE = 2
         CHUNK_BYTES = int(SAMPLE_RATE * CHUNK_DURATION * BYTES_PER_SAMPLE)
         
-        # ▼▼▼ 設定値: 反応が悪い場合はここを調整 ▼▼▼
-        SILENCE_THRESHOLD = 300       # 音量の閾値 (下げました: 500 -> 300)
-        SILENCE_DURATION_TRIGGER = 0.8 # 区切りとみなす無音秒数
-        MAX_RECORD_DURATION = 12.0     # 強制区切り秒数
-        MIN_RECORD_DURATION = 1.0      # 最短秒数
-        PREVIEW_INTERVAL = 1.0         # プレビュー更新間隔
+        SILENCE_THRESHOLD = 300 
+        SILENCE_DURATION_TRIGGER = 0.8
+        MAX_RECORD_DURATION = 12.0
+        MIN_RECORD_DURATION = 1.0
+        PREVIEW_INTERVAL = 1.0
 
         last_preview_time = time.time()
         audio_buffer = bytearray()
         silence_counter = 0.0
         recording_duration = 0.0
 
-        debug_log_counter = 0
+        debug_cnt = 0
 
         while self.is_running:
             try:
                 chunk = self.ffmpeg_proc.stdout.read(CHUNK_BYTES)
-                if not chunk: 
-                    print("DEBUG: FFmpegストリーム終了")
-                    break
+                if not chunk: break
                 
                 audio_np = np.frombuffer(chunk, dtype=np.int16)
                 if len(audio_np) == 0: continue
                 
-                rms = np.sqrt(np.mean(audio_np**2))
+                # ▼▼▼ nan対策: 数値が正常かチェック ▼▼▼
+                if np.isnan(audio_np).any():
+                    print("DEBUG: NaN detected in audio chunk")
+                    continue
+
+                rms = np.sqrt(np.mean(audio_np.astype(float)**2)) # float変換でオーバーフロー防止
                 
-                # ▼▼▼ DEBUG: 音量(RMS)を表示 (5回に1回表示してログ流れすぎを防ぐ) ▼▼▼
-                debug_log_counter += 1
-                if debug_log_counter % 5 == 0:
-                    print(f"DEBUG: RMS={rms:.1f} | Dur={recording_duration:.1f}s | Silence={silence_counter:.1f}s")
+                debug_cnt += 1
+                if debug_cnt % 10 == 0:
+                     print(f"DEBUG: RMS={rms:.1f}")
 
                 audio_buffer.extend(chunk)
                 recording_duration += CHUNK_DURATION
@@ -322,10 +335,10 @@ class StreamWorker:
                 # 1. 暫定送信
                 current_time = time.time()
                 if recording_duration > 0.5 and (current_time - last_preview_time) > PREVIEW_INTERVAL:
-                    print("DEBUG: Interim送信試行...")
+                    # print("DEBUG: Interim送信...")
                     interim_text = self._transcribe_interim(bytes(audio_buffer))
                     if interim_text:
-                        print(f"DEBUG: Interim結果: {interim_text}")
+                        # print(f"DEBUG: Interim={interim_text}")
                         self.socketio.emit("new_subtitle", {
                             "translated": interim_text,
                             "is_final": False,
@@ -336,14 +349,13 @@ class StreamWorker:
                 # 2. 確定条件
                 should_process = False
                 if recording_duration > MIN_RECORD_DURATION and silence_counter >= SILENCE_DURATION_TRIGGER:
-                    print("DEBUG: 無音検知による区切り")
                     should_process = True
                 elif recording_duration >= MAX_RECORD_DURATION:
-                    print("DEBUG: 最大時間到達による強制区切り")
                     should_process = True
 
                 # 3. 確定処理
                 if should_process:
+                    print("DEBUG: Final処理実行")
                     audio_bytes = bytes(audio_buffer)
                     result_text = self._process_audio_final(audio_bytes)
 
@@ -374,14 +386,13 @@ class StreamWorker:
                             
                             info = session_speakers[self.sid][raw_id]
                             
-                            print(f"DEBUG: Final送信: {text_content}")
                             self.socketio.emit("new_subtitle", {
                                 "translated": text_content,
                                 "is_final": True,
                                 "speaker": info["name"], "speaker_id": raw_id, "color": info["color"]
                             }, room=self.sid)
             except Exception as e: 
-                print(f"ERROR: Main loop exception: {e}")
+                print(f"ERROR Loop: {e}")
                 continue
         self.stop()