Update app.py

app.py

@@ -120,8 +120,52 @@ def bandpass_filter(signal, sr, lowcut=80, highcut=5000, order=4):
     return lfilter(b, a, signal)
 
 def du_doan(file_path):
-    if not file_path:
-        return "<b style='color:red;'>❌ Chưa có âm thanh.</b>"
+    if audio_input is None:
+        return "❌ Không có âm thanh.", None, None, None
+
+    try:
+        # Nếu là ghi âm: audio_input là tuple (array, sample_rate)
+        if isinstance(audio_input, tuple):
+            audio_data, sr = audio_input
+        else:
+            # Nếu là file: load với librosa
+            audio_data, sr = librosa.load(audio_input, sr=16000)
+
+        # Chuyển về mono nếu cần
+        if isinstance(audio_data, np.ndarray) and audio_data.ndim > 1:
+            audio_data = np.mean(audio_data, axis=1)
+
+        # Resample nếu cần
+        if sr != 16000:
+            audio_data = librosa.resample(audio_data, orig_sr=sr, target_sr=16000)
+            sr = 16000
+
+        # Xử lý NaN, Inf
+        audio_data = np.nan_to_num(audio_data, nan=0.0, posinf=0.0, neginf=0.0)
+
+        # Chuẩn hoá độ dài 16000 mẫu
+        if len(audio_data) < 16000:
+            audio_data = np.pad(audio_data, (0, 16000 - len(audio_data)))
+        else:
+            audio_data = audio_data[:16000]
+
+        # Sinh ảnh (bắt lỗi riêng)
+        try:
+            waveform_img = generate_waveform(audio_data, sr)
+            mel_img = generate_mel(audio_data, sr)
+            wavelet_img = generate_wavelet(audio_data)
+        except Exception as e:
+            return f"❌ Lỗi khi tạo ảnh: {str(e)}", None, None, None
+
+        # Chuẩn hoá và dự đoán
+        X = scaler.transform(audio_data.reshape(1, -1))
+        y_pred = model.predict(X)
+        label = label_map.get(str(np.argmax(y_pred)), "Không rõ")
+
+        return f"✅ Dự đoán: {label}", waveform_img, mel_img, wavelet_img
+
+    except Exception as e:
+        return f"❌ Lỗi xử lý âm thanh: {str(e)}", None, None, None
 
     signal, sr = librosa.load(file_path, sr=SAMPLE_RATE, mono=True)
     signal, _ = librosa.effects.trim(signal)