feat: Init

src/api.py

@@ -0,0 +1,53 @@
+import io
+import os
+from fastapi import FastAPI, UploadFile, File, HTTPException
+from fastapi.responses import JSONResponse
+from PIL import Image
+
+# Импортируем твои существующие загрузчики (они теперь работают только на бэкенде)
+from data_loader import load_music_engine, load_image_processor
+
+app = FastAPI(title="EmoM Inference API", version="1.0.0")
+
+# Глобальный кэш для удержания моделей в памяти
+ml_context = {
+    "image_processor": None,
+    "music_matcher": None
+}
+
+@app.on_event("startup")
+async def startup_event():
+    print("Инициализация нейросетевого ядра EmoM...")
+    ml_context["image_processor"] = load_image_processor()
+    ml_context["music_matcher"] = load_music_engine()
+    
+    if not ml_context["image_processor"] or not ml_context["music_matcher"]:
+        raise RuntimeError("Отказ системы: Артефакты моделей не найдены.")
+    print("Вычислительный конвейер готов к работе.")
+
+@app.post("/analyze")
+async def analyze_image_endpoint(file: UploadFile = File(...)):
+    """
+    Принимает изображение, прогоняет через ResNet и возвращает треки из DEAM.
+    """
+    try:
+        # 1. Чтение бинарных данных из запроса
+        image_bytes = await file.read()
+        image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
+        
+        # 2. Инференс (ВНИМАНИЕ: здесь используй реальные названия методов из своих классов!)
+        # Предположим, твой процессор выдает координаты V/A
+        v_a_coords = ml_context["image_processor"].extract_va(image) 
+        
+        # 3. Поиск треков в базе
+        matched_tracks = ml_context["music_matcher"].find_tracks(v_a_coords)
+        
+        # 4. Формирование ответа
+        return JSONResponse(content={
+            "status": "success",
+            "valence_arousal": v_a_coords,
+            "tracks": matched_tracks
+        })
+        
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Ошибка инференса: {str(e)}")

src/main.py

@@ -1,73 +1,62 @@
-import sys
 import os
-import subprocess
-
+import requests
 import streamlit as st
-import streamlit.components.v1 as components
 
-from data_loader import load_music_engine, load_emoset_data, load_image_processor
-from tabs.tab_dataset import render_dataset_tab
-from tabs.tab_live import render_live_tab
-
-# Костыль для прямого запуска
-if __name__ == "__main__":
-    if "STREAMLIT_RUN" not in os.environ:
-        os.environ["STREAMLIT_RUN"] = "1"
-        cmd = [sys.executable, "-m", "streamlit", "run", __file__, "--server.port", "8080", "--server.address", "0.0.0.0"]
-        subprocess.run(cmd)
-        sys.exit()
-
-viewport_mode = st.query_params.get("viewport", "desktop")
-page_layout = "centered" if viewport_mode == "mobile" else "wide"
-
-st.set_page_config(page_title="Thesis Demo", layout=page_layout)
-
-# Определения ширины экрана и смены верстки
-components.html(
-    """
-    <script>
-    const w = window.parent.innerWidth;
-    const h = window.parent.innerHeight;
-    const url = new URL(window.parent.location.href);
-    
-    // Считаем мобилкой, если ушли в портретный режим или экран уже 768px
-    const isMobile = (h > w) || (w < 768);
-    const target = isMobile ? "mobile" : "desktop";
-    
-    if (url.searchParams.get("viewport") !== target) {
-        url.searchParams.set("viewport", target);
-        window.parent.location.href = url.href;
-    }
-    </script>
-    """,
-    height=0,
-    width=0,
+# Конфигурация UI
+st.set_page_config(
+    page_title="EmoM | EmotionMusic",
+    layout="wide",
+    initial_sidebar_state="collapsed"
 )
 
 st.markdown(
     """
     <style>
-    img { max-width: 100%; height: auto; object-fit: contain; }
-    [data-testid="stMetricValue"] { font-size: 1.8rem; }
+    img { max-width: 100%; height: auto; object-fit: contain; border-radius: 4px; }
+    [data-testid="stMetricValue"] { font-size: 1.8rem; font-weight: 600; }
+    #MainMenu {visibility: hidden;}
+    footer {visibility: hidden;}
     </style>
     """,
     unsafe_allow_html=True
 )
 
-# Подгрузка ML-моделей и датасета
-music_matcher = load_music_engine()
-img_processor = load_image_processor()
-emoset_files, emoset_embeddings, emoset_labels, emoset_path = load_emoset_data()
+# Маршрутизация к нашему новому микросервису (берется из .env, либо локалхост)
+API_URL = os.getenv("BACKEND_API_URL", "http://localhost:8000") + "/analyze"
 
-st.title("Генератор саундтреков (Research Demo)")
+def main():
+    st.title("Система генерации саундтреков (EmoM)")
+    st.caption("Микросервисная архитектура: Frontend (Streamlit) -> REST API -> PyTorch/DEAM")
 
-tab_live, tab_debug = st.tabs(["Анализ событий (Свои фото)", "Отладка (Датасет EmoSet)"])
+    uploaded_file = st.file_uploader("Загрузите изображение для анализа", type=["jpg", "jpeg", "png"])
 
-with tab_live:
-    if img_processor:
-        render_live_tab(music_matcher, img_processor)
-    else:
-        st.error("Ошибка загрузки: не найдены веса ResNet для image_processor.")
+    if uploaded_file is not None:
+        st.image(uploaded_file, caption="Входной визуальный контент")
+        
+        if st.button("Анализировать"):
+            with st.spinner("Отправка данных в вычислительный кластер..."):
+                try:
+                    # Отправляем POST-запрос в наш FastAPI микросервис
+                    files = {"file": (uploaded_file.name, uploaded_file.getvalue(), uploaded_file.type)}
+                    response = requests.post(API_URL, files=files, timeout=30)
+                    
+                    if response.status_code == 200:
+                        data = response.json()
+                        st.success("Анализ успешно завершен!")
+                        
+                        # Вывод результатов
+                        st.subheader("Результаты анализа")
+                        st.write(f"Координаты Valence/Arousal: {data.get('valence_arousal')}")
+                        st.write("Подобранные треки:")
+                        st.json(data.get('tracks'))
+                        
+                        # Здесь в будущем можно добавить обращение к Ollama для генерации красивого описания
+                        
+                    else:
+                        st.error(f"Ошибка сервера: {response.text}")
+                        
+                except requests.exceptions.ConnectionError:
+                    st.error("Ошибка сети: Микросервис инференса недоступен. Проверьте статус Docker-контейнера emom_inference.")
 
-with tab_debug:
-    render_dataset_tab(music_matcher, emoset_files, emoset_embeddings, emoset_labels, emoset_path)
+if __name__ == "__main__":
+    main()