Update app.py

app.py

@@ -6,8 +6,8 @@ import os
 
 app = FastAPI()
 
-# Pegamos o token da variável de ambiente do Space
-HF_API_KEY = os.getenv("HF_API_KEY")
+# Token da variável de ambiente do Space
+HF_API_KEY = os.getenv("HF_API_KEY", "SEU_TOKEN_AQUI")
 
 # Modelos públicos via Inference API
 TRANSLATION_MODEL = "Helsinki-NLP/opus-mt-pt-en"
@@ -16,7 +16,6 @@ EMOTION_MODEL = "j-hartmann/emotion-english-distilroberta-base"
 class TextInput(BaseModel):
     text: str
 
-# Sugestões de resposta
 EMOTION_SUGGESTIONS = {
     "joy": "Ótimo! Continue aproveitando esses momentos positivos!",
     "anger": "Respire fundo e tente se acalmar antes de reagir.",
@@ -29,9 +28,10 @@ EMOTION_SUGGESTIONS = {
 }
 DEFAULT_SUGGESTION = "Tente respirar fundo e escrever seus sentimentos."
 
-# Chamada segura à API do Hugging Face
+# Função de requisição à Hugging Face com logs detalhados
 async def query_inference(model: str, payload: dict):
     headers = {"Authorization": f"Bearer {HF_API_KEY}"}
+    print(f"\n=== REQUISIÇÃO INFERENCE ===\nModelo: {model}\nPayload: {payload}\n")
     try:
         async with httpx.AsyncClient(timeout=60) as client:
             response = await client.post(
@@ -39,10 +39,13 @@ async def query_inference(model: str, payload: dict):
                 headers=headers,
                 json=payload
             )
+        print(f"Status code: {response.status_code}")
+        print(f"Response: {response.text}\n")
         if response.status_code != 200:
             return {"error": f"Erro {response.status_code}: {response.text}"}
         return response.json()
     except Exception as e:
+        print(f"ERRO na chamada HTTP: {str(e)}\n")
         return {"error": f"Falha ao conectar com a Inference API: {str(e)}"}
 
 # Tradução (PT → EN)
@@ -55,38 +58,27 @@ async def translate_to_english(text: str) -> str:
 # Classificação de emoção
 async def classify_emotion(text: str) -> dict:
     result = await query_inference(EMOTION_MODEL, {"inputs": text})
-
     if isinstance(result, dict) and "error" in result:
         return {"emotion": "unknown", "suggestion": "Não foi possível analisar a emoção.", "debug": result}
-
     if isinstance(result, list) and len(result) > 0:
         top_label = result[0]["label"].lower()
         suggestion = EMOTION_SUGGESTIONS.get(top_label, DEFAULT_SUGGESTION)
         return {"emotion": top_label, "suggestion": suggestion, "raw": result}
-
     return {"emotion": "unknown", "suggestion": "Não foi possível analisar a emoção."}
 
-# Endpoint para o Flutter
 @app.post("/analyze")
 async def analyze_text(input: TextInput):
     text = input.text.strip()
+    # Detecta acentos para tradução automática
+    text_en = await translate_to_english(text) if any(c in text for c in "áéíóúãõâêôçà") else text
+    result = await classify_emotion(text_en)
+    print(f"=== RESULTADO FINAL ===\nInput: {text}\nTexto para IA: {text_en}\nResultado: {result}\n")
+    return result
 
-    # Se tiver acentos, traduz para inglês antes
-    if any(c in text for c in "áéíóúãõâêôçà"):
-        text_en = await translate_to_english(text)
-    else:
-        text_en = text
-
-    return await classify_emotion(text_en)
-
-# Endpoint simples para verificar se está rodando
 @app.get("/")
 async def root():
     return {"status": "ok", "message": "API de análise emocional rodando 🚀"}
-    print("Payload enviado:", payload)
-    print("Status code:", response.status_code)
-    print("Response:", response.text)
-
 
 if __name__ == "__main__":
-    uvicorn.run("app:app", host="0.0.0.0", port=7860)
+    uvicorn.run("app:app", host="0.0.0.0", port=7860, log_level="info")
+