Открыть Q&A, сгенерированные OPENAI 01
Откройте для себя публичные вопросы, на которые ответил OPENAI01
Касательные и окружности задачи
Две касательные к окружности, СА и СВ, пересекаются в точке С (А и В — точки касания). Вторая окружность проходит через точку С, касается прямой АB в точке В и пересекает первую окружность в точке М, отличной от В. а) Докажите, что прямая АМ делит отрезок ВС пополам. б) Найдите радиус окружности, описанной около треугольника ВСМ, если BC = 10, а синусы углов ВАМ и АВМ равны соответственно 0,6 и frac{1}{\sqrt[10]}
Всплывающее окно на JS
код всплывающего окна на чистом js. у окна должна быть кнопка закрыть, окно должно закрываться по клику вне области окна. область вне окна должна быть затемнена
Musical Code Enhancements
Hello! Welcome to NPS_333 Game Studio, where you will play one of the key roles. In your resume, you indicate that you are a programmer with 15 years of experience, have excellent knowledge of Python, primarily work in Google Colab, and your task is to help us with the code. The most important thing is that your work is of the highest quality, and if you exceed our expectations, we will recommend you to our foreign partners and students in the field of programming and logistics. :) Task: Improve the musical component of this code import pretty_midi import random from typing import List, Tuple class MelodyGenerator: def __init__(self, mood: str, tempo: int, time_signature: List[int], sequence: List[str], key: str = 'C'): self.mood = mood.lower() self.tempo = tempo self.time_signature = time_signature self.sequence = sequence self.key = key self.midi = pretty_midi.PrettyMIDI(initial_tempo=tempo) self.key_offset = self._get_key_offset() self.scale = self._get_scale() self.chord_progressions = self._get_chord_progressions() self.beat_length = 60 / self.tempo self.bar_length = self.beat_length * self.time_signature[0] def _get_key_offset(self) -> int: key_offsets = {'C': 0, 'C#': 1, 'Db': 1, 'D': 2, 'D#': 3, 'Eb': 3, 'E': 4, 'F': 5, 'F#': 6, 'Gb': 6, 'G': 7, 'G#': 8, 'Ab': 8, 'A': 9, 'A#': 10, 'Bb': 10, 'B': 11} return key_offsets.get(self.key, 0) def _get_scale(self) -> List[int]: mood_scales = { "happy": [0, 2, 4, 5, 7, 9, 11], # Major scale "sad": [0, 2, 3, 5, 7, 8, 10], # Natural minor scale "energetic": [0, 2, 4, 7, 9], # Major pentatonic scale "calm": [0, 2, 3, 5, 7, 9, 10], # Dorian mode "romantic": [0, 2, 3, 5, 7, 8, 11],# Harmonic minor scale "dark": [0, 1, 3, 5, 6, 8, 10], # Phrygian mode "uplifting": [0, 2, 4, 6, 7, 9, 11], # Lydian mode "mysterious": [0, 2, 3, 6, 7, 9, 10] # Locrian mode } scale = mood_scales.get(self.mood, mood_scales["calm"]) return [(note + self.key_offset) % 12 for note in scale] def _get_chord_progressions(self) -> dict: progressions = { "Intro": ["I", "V", "vi", "IV"], "Verse": ["I", "vi", "IV", "V"], "Chorus": ["I", "V", "vi", "IV"], "Bridge": ["vi", "IV", "I", "V"], "Outro": ["IV", "V", "I"] } return progressions def _chord_to_notes(self, chord: str) -> List[int]: roman_numerals = { "I": 0, "ii": 1, "iii": 2, "IV": 3, "V": 4, "vi": 5, "vii°": 6 } chord_types = { "major": [0, 4, 7], "minor": [0, 3, 7], "diminished": [0, 3, 6] } # Determine chord quality if chord.endswith('°'): chord_quality = "diminished" elif chord.islower(): chord_quality = "minor" else: chord_quality = "major" degree = roman_numerals[chord.rstrip('°').lower()] root_note = (self.scale[degree % len(self.scale)] + self.key_offset) % 12 chord_intervals = chord_types[chord_quality] return [(root_note + interval) % 12 + 60 for interval in chord_intervals] def _generate_rhythm(self, duration: float) -> List[float]: rhythm_patterns = [ [1, 1, 1, 1], [0.5, 0.5, 1, 1], [1.5, 0.5, 1], [0.75, 0.75, 0.75, 0.75], [1.5, 1.5, 1], [0.5, 0.5, 0.5, 0.5, 1] ] rhythm_pattern = random.choice(rhythm_patterns) beat_durations = [beat * self.beat_length for beat in rhythm_pattern] total_beat_duration = sum(beat_durations) factor = duration / total_beat_duration adjusted_rhythm = [beat * factor for beat in beat_durations] return adjusted_rhythm def _generate_phrase(self, chord_notes: List[int], duration: float) -> List[Tuple[int, float]]: phrase = [] rhythm = self._generate_rhythm(duration) scale_notes = [(note + 60) for note in self.scale] # Start with a chord tone current_note = random.choice(chord_notes) phrase.append((current_note, rhythm[0])) for note_duration in rhythm[1:]: # Decide whether to use a chord tone or a scale tone if random.random() < 0.8: # Prefer scale tones for melodic movement candidate_notes = scale_notes else: # Occasionally use chord tones for stability candidate_notes = chord_notes # Ensure smooth melodic movement possible_notes = [note for note in candidate_notes if abs(note - current_note) <= 5] if possible_notes: next_note = random.choice(possible_notes) else: next_note = current_note + random.choice([-2, -1, 1, 2]) phrase.append((next_note, note_duration)) current_note = next_note return phrase def _generate_melody(self, part: str, duration: float) -> List[Tuple[int, float, float]]: melody = [] current_time = 0 chord_progression = self.chord_progressions[part] num_chords = len(chord_progression) chord_duration = duration / num_chords for chord in chord_progression: chord_notes = self._chord_to_notes(chord) phrase = self._generate_phrase(chord_notes, chord_duration) for note, note_duration in phrase: melody.append((note, current_time, note_duration)) current_time += note_duration return melody def _generate_chords(self, part: str, duration: float) -> List[Tuple[List[int], float, float]]: chords = [] chord_progression = self.chord_progressions[part] num_chords = len(chord_progression) chord_duration = duration / num_chords for i, chord in enumerate(chord_progression): chord_notes = self._chord_to_notes(chord) start_time = i * chord_duration chords.append((chord_notes, start_time, chord_duration)) return chords def generate(self) -> pretty_midi.PrettyMIDI: melody_track = pretty_midi.Instrument(program=0) # Acoustic Grand Piano chord_track = pretty_midi.Instrument(program=48) # String Ensemble 1 total_duration = 0 generated_parts = {} # Generate each unique part only once for part in set(self.sequence): part_duration = 8 * self.bar_length # 8 bars per part generated_parts[part] = { 'melody': self._generate_melody(part, part_duration), 'chords': self._generate_chords(part, part_duration) } # Create the full song structure using the generated parts for part in self.sequence: melody = generated_parts[part]['melody'] chords = generated_parts[part]['chords'] for note, start, duration in melody: melody_note = pretty_midi.Note(velocity=100, pitch=int(note), start=start + total_duration, end=start + duration + total_duration) melody_track.notes.append(melody_note) for chord_notes, start, duration in chords: for note in chord_notes: chord_note = pretty_midi.Note(velocity=80, pitch=int(note), start=start + total_duration, end=start + duration + total_duration) chord_track.notes.append(chord_note) total_duration += 8 * self.bar_length self.midi.instruments.append(chord_track) self.midi.instruments.append(melody_track) return self.midi def generate_melody(mood: str, tempo: int, time_signature: List[int], sequence: List[str], key: str = 'C') -> pretty_midi.PrettyMIDI: generator = MelodyGenerator(mood, tempo, time_signature, sequence, key) return generator.generate() # Example usage mood = "Romantic" tempo = 85 time_signature = [4, 4] sequence = ["Intro", "Verse", "Chorus", "Bridge", "Verse", "Chorus", "Outro"] key = "F" midi = generate_melody(mood, tempo, time_signature, sequence, key) midi.write('improved_generated_melody.mid') print(f"Generated a {midi.get_end_time():.2f} second long MIDI file.") print("Chord-melody harmony improved with smoother melodic lines and varied rhythms.")
Сохранение здоровья суставов
напиши мне план и наполнение фактами статья про сохранение здоровья суставов
Код для игры Minecraft
напиши код для Html в котором будет игра Minecraft в 3d
Секреты женского обаяния
1. Твоя задача придумать свой заголовок используя SEO ключевые слова из заголовка и напольник ими текст. 2. Используя мой набросок текста, твоя задача написать свой вариант, опираясь на мой текст, но это должна быть статья на 3000 символов для площадки дзен и телеграм, используй умеренно смайлы, легкую речь, человеческий стиль письма, простую понятную обычному человеку, избегай ИИ структуры, ИИ стиля, ИИ повествования, так как текст пройдет проверку на ИИ детекторе. 3. Всегда в конце используй нативный призыв подписаться на мой телеграм канал. Мой набросок: В мире, где каждый день происходят перемены, одна вещь остается неизменной: загадка женского обаяния. Волшебство, которое скрыто в женщине, делает ее исключительной, уникальной и неповторимой. Это то, что заставляет мужчин влюбляться, чувствовать страсть и оставаться рядом долгие годы! Сегодня мы попробуем раскрыть эту загадку и рассказать вам о том, как стать женщиной, от которой не уйдет ни один мужчина. Ведь каждая из вас обладает в себе силой и магией, способной очаровать и завоевать сердце любого мужчины! Давайте вместе исследуем секреты привлекательности и обаяния, погрузимся в мир женской энергии и поймем, как сделать так, чтобы мужчина навсегда остался рядом. Готовы ли вы раскрыть эту загадку и начать путь к тому, чтобы быть женщиной, которая не останется незамеченной? Тогда держитесь крепче, потому что предстоит увлекательное и эмоциональное путешествие в мире женской силы и привлекательности! Секрет первый - состояние счастья радости и позитива! Очень важно всегда находиться в состоянии любви, в том числе к самой себе, независимо от того, есть ли рядом мужчина или нет. Когда вы испытываете любовь и позитивные чувства, это может привлечь вас к другим людям, включая мужчин. В то же время как те, кто окутан негативом, злостью и тревожностью, обычно не привлекают внимания ни мужчин, ни женщин. Люди не желают проводить время с такими, их негативное воздействие отталкивает окружающих. После общения с такими людьми, человек может чувствовать себя истощенным и лишенным жизненной энергии. Поэтому мы стремимся избегать общения с такими людьми, чтобы не подвергать себя деструктивному влиянию. Красота женщины очень важна, но её внутреннее состояние играет ключевую роль в привлечении достойного мужчины. Мужчины ищут радость, счастье и легкость в отношениях. Женщина, которая излучает позитив и свет - всегда привлекает мужчин! Этот свет искренний, а улыбка способна растопить даже самые холодные сердца! Мужчины легко чувствуют искренность и доброту женщины на подсознательном уровне. Все вибрации, идущие из сердца и души женщины, ощущаются мужчинами, и они чувствуют, что с такой женщиной им будет хорошо и комфортно. Мужчины сами стремятся быть рядом с такой женщиной и возвращаются к ней снова и снова, чтобы наслаждаться её вдохновляющей энергией. Такие женщины не оставляют своих партнеров, они становятся для мужчин настоящими источниками счастья и вдохновения! Секрет второй - высокая энергетика! Женщина, которая со страстью занимается любимым делом, всегда способна привлечь внимание мужчины. Когда человек занимается тем, что искренне любит, он раскрывает свою внутреннюю энергию и приносит в мир красоту и вдохновение! Мужчины обращают особое внимание на таких женщин и проявляют к ним интерес и уважение. Человек всегда ценит умение других делать то, в чем он сам не сильно силен. Когда вы находитесь в состоянии созидания, ваша энергия становится магнетической, и мужчины проявляют к вам повышенной интерес! Секрет третий - целеустремленность Каждый мужчина стремится к энергичной женщине. Красивый внешний облик важен, но он несет мало ценности без внутреннего содержания. Подобно тому как сосуд, наполненный вином, даже с маленькой щербинкой, кажется привлекательнее. Что такое "наполненная" женщина? Это женщина, которая находится в ресурсе и обладает достаточной энергией для осуществления своей миссии, целей и предназначения. У такой женщины есть определенные цели в жизни, и она настолько предана им, что получает энергию для их достижения. Мужчины часто магнетически притягиваются к этой энергии, и это делает женщину еще более привлекательной! Секрет четвертый - борьба со страхами Все, о чем мы думаем, с течением времени может стать реальностью. Если женщина боится остаться одной из-за возможного ухода любимого человека, это может произойти. Однако есть способы проработать свои страхи и жить более уверенно и спокойно! Первое, что важно понимать, это то, что страхи сопровождают нас на всем жизненном пути, и это нормально. Они могут быть результатом нашего жизненного опыта и различных переживаний. Однако можно научиться управлять этими страхами и не допустить, чтобы они контролировали нашу жизнь. Важно доверять себе и своей судьбе. Понимание того, что "чему быть, того не миновать" и "моему быть со мной", может помочь освободиться от излишних страхов. Доверьтесь судьбе и позвольте жизни течь своим путем - этот навык придаст вам уверенности в себе. Когда вы находитесь в состоянии потока и доверяете своей жизни, вы можете принимать события более спокойно. Если мужчина действительно предназначен вам судьбой, то он останется рядом с вами не смотря ни на что. Паника, ревность, истерики и скандалы только расходуют вашу жизненную энергию. Вместо этого стоит оставаться в ресурсе, верить в себя и в то, что все будет хорошо. Это позитивное отношение поможет вам привлекать к себе более положительные события и отношения! И помните, что настоящая женщина – это та, которая знает секреты и магию, способные удержать любого мужчину рядом с собой. Вы хотите узнать, как создать такую невероятную привлекательность, чтобы ни один мужчина не смог уйти от вас? Пройдите наш уникальный тест "Мы глазами мужчин", он подарит вам ключи которые позволят вам покорить сердца мужчин! Этот тест - ваш шанс научиться быть той женщиной, которая навсегда останется в сердце мужчины. Откройте для себя секреты, которые помогут вам стать более уверенной, привлекательной и неповторимой. Не упустите возможность стать женщиной, которую мужчины не могут оставить! Начните тестирование прямо сейчас и создайте непревзойденную привлекательность, которая оставит след в сердце каждого мужчины! Мы надеемся, что это путешествие в мир загадок женского обаяния приоткрыло перед вами завесу секретов и вдохновило на большие перемены в вашей жизни! Запомните, что каждая из вас неповторима и обладает внутренней силой, способной привлекать и удерживать мужчин. Будьте верны себе, развивайте свои качества и эмоциональный интеллект, сохраняйте уверенность в себе. То, что вы останетесь женщиной, от которой не уйдет ни один мужчина, зависит от вашей уникальной личности и умения раскрывать свое внутреннее обаяние. И помните, настоящее обаяние — это не магия, а искренность, забота, поддержка и умение дарить любовь. Пусть ваша жизнь будет наполнена гармонией, радостью и взаимной любовью. Вы достойны всего самого лучшего, и не забывайте об этом. Сияйте своим светом и продолжайте воплощать свои мечты! Благодарим вас за ваше время и внимание к этой статье. Пусть она станет вашим путеводителем к тому, чтобы быть женщиной, от которой не уйдет ни один мужчина. Идите вперед с уверенностью и любовью, и ваша жизнь будет наполнена невероятными чудесами и счастьем! Ставьте лайк для энергообмена и подписывайтесь на наш канал! Впереди еще много интересного!
Ошибка импорта в PyTorch
У меня ошибка C:\Users\Admin\PycharmProjects\pythonProject2\venv\Scripts\python.exe C:\Users\Admin\PycharmProjects\pythonProject2\main.py Traceback (most recent call last): File "C:\Users\Admin\PycharmProjects\pythonProject2\main.py", line 2, in <module> import torch.nn as nn File "C:\Users\Admin\PycharmProjects\pythonProject2\venv\lib\site-packages\torch\nn\__init__.py", line 2, in <module> from .modules import * # noqa: F403 File "C:\Users\Admin\PycharmProjects\pythonProject2\venv\lib\site-packages\torch\nn\modules\__init__.py", line 1, in <module> from .module import Module File "C:\Users\Admin\PycharmProjects\pythonProject2\venv\lib\site-packages\torch\nn\modules\module.py", line 9, in <module> from torch._prims_common import DeviceLikeType File "C:\Users\Admin\PycharmProjects\pythonProject2\venv\lib\site-packages\torch\_prims_common\__init__.py", line 36, in <module> from torch import sym_float, sym_int, sym_max ImportError: cannot import name 'sym_float' from 'torch' (unknown location) Process finished with exit code 1 import torch import torch.nn as nn import torch.optim as optim import torchaudio import tkinter as tk from tkinter import filedialog, messagebox, ttk import os import numpy as np from torch.utils.data import DataLoader, Dataset from tqdm import tqdm import matplotlib.pyplot as plt from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg import threading import librosa from sklearn.decomposition import NMF import math # Проверка наличия CUDA device = torch.device("cuda" if torch.cuda.is_available() else "cpu") class GELUActivation(nn.Module): def forward(self, x): return 0.5 * x * (1 + torch.tanh( math.sqrt(2 / math.pi) * (x + 0.044715 * torch.pow(x, 3)) )) class PositionalEncoding(nn.Module): def __init__(self, d_model, dropout=0.1, max_len=5000): super(PositionalEncoding, self).__init__() self.dropout = nn.Dropout(p=dropout) pe = torch.zeros(max_len, d_model) position = torch.arange( 0, max_len, dtype=torch.float).unsqueeze(1) div_term = torch.exp(torch.arange( 0, d_model, 2).float() * (-math.log(10000.0) / d_model) ) pe[:, 0::2] = torch.sin(position * div_term) # Четные индексы pe[:, 1::2] = torch.cos(position * div_term) # Нечетные индексы pe = pe.unsqueeze(0) # Форма (1, max_len, d_model) self.register_buffer('pe', pe) def forward(self, x): x = x + self.pe[:, :x.size(1)] return self.dropout(x) class ImprovedTransformerEncoderLayer(nn.Module): def __init__(self, d_model, nhead, dim_feedforward=2048, dropout=0.1): super(ImprovedTransformerEncoderLayer, self).__init__() self.self_attn = nn.MultiheadAttention( d_model, nhead, dropout=dropout, batch_first=True ) self.linear1 = nn.Linear(d_model, dim_feedforward) self.dropout = nn.Dropout(dropout) self.linear2 = nn.Linear(dim_feedforward, d_model) self.norm1 = nn.LayerNorm(d_model) self.norm2 = nn.LayerNorm(d_model) self.dropout1 = nn.Dropout(dropout) self.dropout2 = nn.Dropout(dropout) self.activation = GELUActivation() def forward(self, src, src_mask=None, src_key_padding_mask=None, is_causal=False): src2 = self.self_attn( src, src, src, attn_mask=src_mask, key_padding_mask=src_key_padding_mask, need_weights=False, is_causal=is_causal )[0] src = src + self.dropout1(src2) src = self.norm1(src) src2 = self.linear2( self.dropout(self.activation(self.linear1(src))) ) src = src + self.dropout2(src2) src = self.norm2(src) return src class ImprovedTransformerModel(nn.Module): def __init__( self, input_size, output_size, d_model=512, nhead=8, num_layers=6, dropout=0.1 ): super(ImprovedTransformerModel, self).__init__() self.embedding = nn.Linear(input_size, d_model) self.pos_encoder = PositionalEncoding(d_model, dropout) encoder_layer = ImprovedTransformerEncoderLayer( d_model, nhead, dim_feedforward=2048, dropout=dropout ) self.transformer_encoder = nn.TransformerEncoder( encoder_layer, num_layers ) self.decoder = nn.Linear(d_model, output_size) self.init_weights() def init_weights(self): initrange = 0.1 nn.init.uniform_(self.embedding.weight, -initrange, initrange) nn.init.zeros_(self.embedding.bias) nn.init.zeros_(self.decoder.bias) nn.init.uniform_(self.decoder.weight, -initrange, initrange) def forward(self, src, src_mask=None, src_key_padding_mask=None): src = self.embedding(src) src = self.pos_encoder(src) output = self.transformer_encoder( src, mask=src_mask, src_key_padding_mask=src_key_padding_mask) output = self.decoder(output) return output def load_audio(file_path): waveform, sample_rate = torchaudio.load(file_path) return waveform, sample_rate def extract_features(y, sr): # Извлечение различных признаков mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=20) chroma = librosa.feature.chroma_stft(y=y, sr=sr) spectral_centroid = librosa.feature.spectral_centroid(y=y, sr=sr) spectral_contrast = librosa.feature.spectral_contrast(y=y, sr=sr) spectral_rolloff = librosa.feature.spectral_rolloff(y=y, sr=sr) # Объединение всех признаков features = np.concatenate( [mfcc, chroma, spectral_centroid, spectral_contrast, spectral_rolloff], axis=0 ) return features.T # Транспонирование для получения формы (время, признаки) def preprocess_audio(waveform, sample_rate, target_sample_rate=22050): # Изменение частоты дискретизации при необходимости if sample_rate != target_sample_rate: waveform = torchaudio.functional.resample( waveform, sample_rate, target_sample_rate ) # Не преобразуем в моно, работаем со всеми каналами # Форма waveform: (каналы, сэмплы) # Преобразуем в numpy массив y = waveform.numpy() # Извлекаем признаки для каждого канала features = [] for channel in range(y.shape[0]): channel_data = y[channel] channel_features = extract_features(channel_data, target_sample_rate) features.append(channel_features) # (время, признаки) # Объединяем признаки по последнему измерению (время, признаки * каналы) features = np.concatenate(features, axis=1) # Преобразуем в тензор и нормализуем features = torch.FloatTensor(features) features = features / torch.max(torch.abs(features)) return features # Форма (время, признаки) class MusicDataset(Dataset): def __init__(self, file_paths, target_sample_rate=22050): self.file_paths = file_paths self.target_sample_rate = target_sample_rate self.data = [] for file_path in file_paths: try: waveform, sample_rate = load_audio(file_path) features = preprocess_audio( waveform, sample_rate, target_sample_rate ) self.data.append(features) except Exception as e: print(f"Ошибка при обработке {file_path}: {str(e)}") if not self.data: raise ValueError("Не найдено подходящих данных.") def __len__(self): return len(self.data) def __getitem__(self, idx): features = self.data[idx] input_seq = features[:-1, :] # Все кроме последнего временного шага target_seq = features[1:, :] # Все кроме первого временного шага return input_seq, target_seq def train_model(model, train_loader, val_loader, epochs=100, lr=0.001): criterion = nn.MSELoss() optimizer = optim.AdamW( model.parameters(), lr=lr, betas=(0.9, 0.999), eps=1e-8, weight_decay=0.01 ) scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=epochs) best_val_loss = float('inf') best_model = None train_losses = [] val_losses = [] for epoch in range(epochs): model.train() total_loss = 0 progress_bar = tqdm(train_loader, desc=f"Эпоха {epoch+1}/{epochs}") for inputs, targets in progress_bar: optimizer.zero_grad() inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) loss.backward() optimizer.step() total_loss += loss.item() progress_bar.set_postfix( {'training_loss': f'{total_loss/len(train_loader):.4f}'} ) avg_train_loss = total_loss / len(train_loader) train_losses.append(avg_train_loss) model.eval() val_loss = 0 with torch.no_grad(): for inputs, targets in val_loader: inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) val_loss += loss.item() avg_val_loss = val_loss / len(val_loader) val_losses.append(avg_val_loss) print( f"Эпоха {epoch+1}/{epochs}, Потеря на обучении: {avg_train_loss:.4f}, Потеря на валидации: {avg_val_loss:.4f}" ) scheduler.step() if avg_val_loss < best_val_loss: best_val_loss = avg_val_loss best_model = model.state_dict() model.load_state_dict(best_model) return model, train_losses, val_losses def generate_music(model, seed, length=1000, temperature=1.0): model.eval() generated = seed.unsqueeze(0).to(device) with torch.no_grad(): for _ in tqdm(range(length), desc="Генерация"): input_seq = generated[:, -seed.size(0):, :] output = model(input_seq) next_feature = output[:, -1, :] / temperature generated = torch.cat( [generated, next_feature.unsqueeze(1)], dim=1) return generated.squeeze(0).cpu() def save_audio(waveform, sample_rate, file_path): torchaudio.save(file_path, waveform, sample_rate) def save_model(model, path): torch.save(model.state_dict(), path) def load_model(model, path): state_dict = torch.load(path, map_location=device) model.load_state_dict(state_dict) return model def harmonic_analysis(waveform, sample_rate): y = librosa.util.normalize(waveform.numpy()) chroma = librosa.feature.chroma_cqt(y=y, sr=sample_rate) return chroma def rhythm_analysis(waveform, sample_rate): y = librosa.util.normalize(waveform.numpy()) onset_env = librosa.onset.onset_strength(y=y, sr=sample_rate) tempo, beats = librosa.beat.beat_track( onset_envelope=onset_env, sr=sample_rate ) return tempo, beats def style_transfer(content_waveform, style_waveform, sample_rate): y_content = content_waveform.numpy() y_style = style_waveform.numpy() content_spec = np.abs(librosa.stft(y_content)) style_spec = np.abs(librosa.stft(y_style)) n_components = 4 content_nmf = NMF(n_components=n_components, random_state=0) style_nmf = NMF(n_components=n_components, random_state=0) content_W = content_nmf.fit_transform(content_spec) content_H = content_nmf.components_ style_W = style_nmf.fit_transform(style_spec) style_H = style_nmf.components_ transferred_spec = np.dot(content_W, style_H) transferred_audio = librosa.istft(transferred_spec) return torch.FloatTensor(transferred_audio) class MusicGeneratorApp: def __init__(self, master): self.master = master self.master.title("AI Music Generator") self.master.geometry("800x600") self.model = None self.sample_rate = 22050 # Частота дискретизации по умолчанию self.train_thread = None self.train_losses = [] self.val_losses = [] self.create_widgets() def create_widgets(self): self.notebook = ttk.Notebook(self.master) self.notebook.pack(fill=tk.BOTH, expand=True) self.train_tab = ttk.Frame(self.notebook) self.generate_tab = ttk.Frame(self.notebook) self.analysis_tab = ttk.Frame(self.notebook) self.style_transfer_tab = ttk.Frame(self.notebook) self.notebook.add(self.train_tab, text="Обучение модели") self.notebook.add(self.generate_tab, text="Генерация музыки") self.notebook.add(self.analysis_tab, text="Анализ музыки") self.notebook.add(self.style_transfer_tab, text="Перенос стиля") self.create_train_widgets() self.create_generate_widgets() self.create_analysis_widgets() self.create_style_transfer_widgets() def create_train_widgets(self): self.train_button = tk.Button( self.train_tab, text="Обучить модель", command=self.train_model ) self.train_button.pack(pady=10) self.load_button = tk.Button( self.train_tab, text="Загрузить модель", command=self.load_model ) self.load_button.pack(pady=10) self.status_label = tk.Label(self.train_tab, text="") self.status_label.pack(pady=10) self.progress_bar = ttk.Progressbar( self.train_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar.pack(pady=10) self.fig, self.ax = plt.subplots(figsize=(6, 4)) self.canvas = FigureCanvasTkAgg(self.fig, master=self.train_tab) self.canvas.draw() self.canvas.get_tk_widget().pack(side=tk.TOP, fill=tk.BOTH, expand=1) def create_generate_widgets(self): self.generate_button = tk.Button( self.generate_tab, text="Сгенерировать музыку", command=self.generate_music ) self.generate_button.pack(pady=10) self.temperature_label = tk.Label( self.generate_tab, text="Температура:" ) self.temperature_label.pack() self.temperature_slider = tk.Scale( self.generate_tab, from_=0.1, to=2.0, resolution=0.1, orient=tk.HORIZONTAL ) self.temperature_slider.set(1.0) self.temperature_slider.pack() self.length_label = tk.Label( self.generate_tab, text="Длина (секунды):" ) self.length_label.pack() self.length_entry = tk.Entry(self.generate_tab) self.length_entry.insert(0, "10") self.length_entry.pack() self.status_label_generate = tk.Label(self.generate_tab, text="") self.status_label_generate.pack(pady=10) self.progress_bar_generate = ttk.Progressbar( self.generate_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar_generate.pack(pady=10) def create_analysis_widgets(self): self.analyze_button = tk.Button( self.analysis_tab, text="Анализировать музыку", command=self.analyze_music ) self.analyze_button.pack(pady=10) self.analysis_text = tk.Text(self.analysis_tab, height=20, width=60) self.analysis_text.pack(pady=10) def create_style_transfer_widgets(self): self.content_button = tk.Button( self.style_transfer_tab, text="Выбрать контент-аудио", command=self.select_content_audio ) self.content_button.pack(pady=10) self.style_button = tk.Button( self.style_transfer_tab, text="Выбрать стиль-аудио", command=self.select_style_audio ) self.style_button.pack(pady=10) self.transfer_button = tk.Button( self.style_transfer_tab, text="Перенести стиль", command=self.transfer_style ) self.transfer_button.pack(pady=10) self.status_label_transfer = tk.Label(self.style_transfer_tab, text="") self.status_label_transfer.pack(pady=10) self.progress_bar_transfer = ttk.Progressbar( self.style_transfer_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar_transfer.pack(pady=10) def train_model(self): folder_path = filedialog.askdirectory( title="Выберите папку с WAV файлами" ) if not folder_path: return self.status_label.config(text="Загрузка и обработка данных...") self.master.update() file_paths = [ os.path.join(folder_path, fname) for fname in os.listdir(folder_path) if fname.endswith('.wav') ] if not file_paths: self.status_label.config( text="Не найдено WAV файлов в выбранной папке." ) return dataset = MusicDataset(file_paths) self.sample_rate = dataset.target_sample_rate # Разделение на обучающую и валидационную выборки train_size = int(0.8 * len(dataset)) val_size = len(dataset) - train_size train_dataset, val_dataset = torch.utils.data.random_split( dataset, [train_size, val_size] ) train_loader = DataLoader( train_dataset, batch_size=1, shuffle=True) val_loader = DataLoader(val_dataset, batch_size=1) input_size = dataset[0][0].size(1) output_size = input_size d_model = 512 nhead = 8 num_layers = 6 self.model = ImprovedTransformerModel( input_size, output_size, d_model, nhead, num_layers ) self.model.to(device) self.status_label.config(text="Обучение модели...") self.master.update() def train_thread(): try: self.model, self.train_losses, self.val_losses = train_model( self.model, train_loader, val_loader ) self.master.after(0, self.update_plot) self.status_label.config("Модель успешно обучена!") save_path = filedialog.asksaveasfilename( defaultextension=".pth", filetypes=[("PyTorch model", "*.pth")] ) if save_path: save_model(self.model, save_path) self.status_label.config( text="Модель успешно обучена и сохранена!" ) except Exception as e: self.status_label.config( text=f"Ошибка при обучении: {str(e)}" ) print(f"Ошибка при обучении: {str(e)}") finally: self.progress_bar.stop() self.train_thread = threading.Thread(target=train_thread) self.train_thread.start() self.progress_bar.start() def update_plot(self): self.ax.clear() self.ax.plot(self.train_losses, label='Потеря на обучении') self.ax.plot(self.val_losses, label='Потеря на валидации') self.ax.set_xlabel('Эпоха') self.ax.set_ylabel('Потеря') self.ax.legend() self.canvas.draw() def load_model(self): load_path = filedialog.askopenfilename( filetypes=[("PyTorch model", "*.pth")] ) if load_path: try: state_dict = torch.load(load_path, map_location=device) input_size = state_dict['embedding.weight'].size(1) output_size = state_dict['decoder.weight'].size(0) d_model = state_dict['embedding.weight'].size(0) nhead = 8 num_layers = len([ key for key in state_dict.keys() if key.startswith('transformer_encoder.layers') ]) self.model = ImprovedTransformerModel( input_size, output_size, d_model, nhead, num_layers ) self.model = load_model(self.model, load_path) self.model.to(device) self.status_label.config(text="Модель успешно загружена!") except Exception as e: messagebox.showerror( "Ошибка", f"Не удалось загрузить модель: {str(e)}" ) def generate_music(self): if self.model is None: messagebox.showwarning( "Предупреждение", "Пожалуйста, обучите или загрузите модель." ) return self.status_label_generate.config(text="Генерация музыки...") self.master.update() temperature = self.temperature_slider.get() try: length_seconds = float(self.length_entry.get()) except ValueError: messagebox.showerror( "Ошибка", "Неверное значение длины. Пожалуйста, введите число." ) return length = int(length_seconds * (self.sample_rate / 512)) # Примерная оценка seed = torch.randn(1, 10, self.model.embedding.in_features) self.progress_bar_generate.start() def generate_thread(): try: generated = generate_music( self.model, seed, length, temperature ) save_path = filedialog.asksaveasfilename( defaultextension=".wav", filetypes=[("WAV files", "*.wav")] ) if not save_path: return generated_features = generated.numpy() # Восстановление аудио из признаков try: reconstructed_audio = librosa.feature.inverse.mfcc_to_audio( generated_features[:, :20].T ) reconstructed_audio = torch.FloatTensor( reconstructed_audio).unsqueeze(0) reconstructed_audio = reconstructed_audio / torch.max( torch.abs(reconstructed_audio) ) save_audio(reconstructed_audio, self.sample_rate, save_path) self.status_label_generate.config( text="Музыка успешно сгенерирована и сохранена!" ) except Exception as e: messagebox.showerror( "Ошибка", f"Не удалось восстановить аудио: {str(e)}" ) except Exception as e: messagebox.showerror( "Ошибка", f"Не удалось сгенерировать или сохранить аудио: {str(e)}" ) finally: self.progress_bar_generate.stop() threading.Thread(target=generate_thread).start() def analyze_music(self): file_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if not file_path: return waveform, sample_rate = load_audio(file_path) chroma = harmonic_analysis(waveform, sample_rate) tempo, beats = rhythm_analysis(waveform, sample_rate) analysis_text = f"Темп: {tempo} BPM\n\n" analysis_text += "Хрома-признаки:\n" for i, chr in enumerate(chroma.T): if i % 4 == 0: analysis_text += "\n" analysis_text += f"{chr.max():.2f} " self.analysis_text.delete('1.0', tk.END) self.analysis_text.insert(tk.END, analysis_text) def select_content_audio(self): self.content_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if self.content_path: self.status_label_transfer.config(text="Контент-аудио выбрано") def select_style_audio(self): self.style_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if self.style_path: self.status_label_transfer.config(text="Стиль-аудио выбрано") def transfer_style(self): if not hasattr(self, 'content_path') or not hasattr(self, 'style_path'): messagebox.showwarning( "Предупреждение", "Пожалуйста, выберите контент и стиль аудио." ) return self.progress_bar_transfer.start() def transfer_thread(): try: content_waveform, content_sample_rate = load_audio( self.content_path ) style_waveform, style_sample_rate = load_audio( self.style_path ) if content_sample_rate != style_sample_rate: style_waveform = torchaudio.functional.resample( style_waveform, style_sample_rate, content_sample_rate ) transferred_audio = style_transfer( content_waveform, style_waveform, content_sample_rate ) save_path = filedialog.asksaveasfilename( defaultextension=".wav", filetypes=[("WAV files", "*.wav")] ) if not save_path: return save_audio(transferred_audio.unsqueeze(0), content_sample_rate, save_path) self.status_label_transfer.config( text="Перенос стиля выполнен и сохранен!" ) except Exception as e: messagebox.showerror( "Ошибка", f"Не удалось выполнить перенос стиля: {str(e)}" ) finally: self.progress_bar_transfer.stop() threading.Thread(target=transfer_thread).start() def main(): root = tk.Tk() app = MusicGeneratorApp(root) root.mainloop() if __name__ == "__main__": main()
Лучшие оружия Sons Of The Forest
напиши какие самые лучшие оружия в Sons Of The Forest
Игра Сапёр на HTML
Привет, напиши код для игры сапера на html
Темы статей для работников
Учитывая информацию на нашем сайте https://profsvoboda.ru/, и информацию по РФ о трудовых правах и спорах в Интернет, интересующую работников РФ, создай перечень тем статей для нашего сайта по степени популярности, которые больше всего заинтересуют работников РФ.
Musical Component Enhancement
Hello! Welcome to NPS_333 Game Studio, where you will play one of the key roles. In your resume, you indicate that you are a programmer with 15 years of experience, have excellent knowledge of Python, primarily work in Google Colab, and your task is to help us with the code. The most important thing is that your work is of the highest quality, and if you exceed our expectations, we will recommend you to our foreign partners and students in the field of programming and logistics. :) Task: Improve the musical component of this code import pretty_midi import random from typing import List, Tuple, Dict class MelodyGenerator: def __init__(self, mood: str, tempo: int, time_signature: List[int], sequence: List[str], key: str = 'C'): self.mood = mood.lower() self.tempo = tempo self.time_signature = time_signature self.sequence = sequence self.key = key self.midi = pretty_midi.PrettyMIDI(initial_tempo=tempo) self.key_offset = self._get_key_offset() # Set key_offset before calling _get_scale self.scale = self._get_scale() self.chord_progressions = self._get_chord_progressions() self.beat_length = 60 / self.tempo self.bar_length = self.beat_length * self.time_signature[0] self.key_offset = self._get_key_offset() def _get_key_offset(self) -> int: key_offsets = {'C': 0, 'C#': 1, 'D': 2, 'D#': 3, 'E': 4, 'F': 5, 'F#': 6, 'G': 7, 'G#': 8, 'A': 9, 'A#': 10, 'B': 11} return key_offsets.get(self.key, 0) def _get_scale(self) -> List[int]: mood_scales = { "happy": [0, 2, 4, 5, 7, 9, 11], # Major scale "sad": [0, 2, 3, 5, 7, 8, 10], # Natural minor scale "energetic": [0, 2, 4, 7, 9], # Pentatonic major scale "calm": [0, 2, 3, 5, 7, 8, 10] # Natural minor scale } return [(note + self.key_offset) % 12 for note in mood_scales.get(self.mood, mood_scales["calm"])] def _get_chord_progressions(self) -> dict: progressions = { "Intro": ["I", "V"], "Verse": ["I", "VI", "IV", "V"], "Chorus": ["I", "V", "VI", "IV"], "Bridge": ["IV", "V", "VI", "I"], "Outro": ["I", "V", "I"] } return progressions def _chord_to_notes(self, chord: str, root: int) -> List[int]: chord_types = { "I": [0, 4, 7], "IV": [5, 9, 0], "V": [7, 11, 2], "VI": [9, 0, 4] } return [(note + root) % 12 + 60 for note in chord_types[chord]] def _generate_rhythm(self, duration: float) -> List[float]: rhythm = [] remaining_duration = duration while remaining_duration > 0: note_duration = random.choice([0.25, 0.5, 0.75, 1]) * self.beat_length if note_duration > remaining_duration: note_duration = remaining_duration rhythm.append(note_duration) remaining_duration -= note_duration return rhythm def _generate_phrase(self, chord_notes: List[int], duration: float) -> List[Tuple[int, float]]: phrase = [] rhythm = self._generate_rhythm(duration) # Start with a chord tone current_note = random.choice(chord_notes) phrase.append((current_note, rhythm[0])) # Create directional movement (ascending/descending) to smooth the melody direction = random.choice([-1, 1]) # Ascending or descending last_interval = random.choice([1, 2]) # Start with a small step for note_duration in rhythm[1:]: # Move by step or small leap, favoring smooth transitions next_note = current_note + (direction * last_interval) # If the note is not in the chord, shift it to a chord tone or scale tone while next_note % 12 not in chord_notes and next_note % 12 not in self.scale: next_note = (next_note + random.choice([-1, 1])) % 12 + 60 # Change direction occasionally to make the melody less monotonous if random.random() < 0.3: direction *= -1 # Add some small leaps occasionally for variation if random.random() < 0.2: last_interval = random.choice([2, 3, 4]) else: last_interval = random.choice([1, 2]) phrase.append((next_note, note_duration)) current_note = next_note return phrase def _generate_melody(self, part: str, duration: float) -> List[Tuple[int, float, float]]: melody = [] current_time = 0 chord_progression = self.chord_progressions[part] bars_per_chord = max(1, int(duration / (len(chord_progression) * self.bar_length))) for chord in chord_progression: chord_duration = bars_per_chord * self.bar_length chord_notes = self._chord_to_notes(chord, random.choice(self.scale)) phrase = self._generate_phrase(chord_notes, chord_duration) for note, note_duration in phrase: # Ensure the melody is synchronized with the chords melody.append((note, current_time, min(note_duration, duration - current_time))) # Cap note duration current_time += note_duration return melody def _generate_chords(self, part: str, duration: float) -> List[Tuple[List[int], float, float]]: chords = [] chord_progression = self.chord_progressions[part] chord_duration = duration / len(chord_progression) for i, chord in enumerate(chord_progression): root = random.choice(self.scale) chord_notes = self._chord_to_notes(chord, root) start_time = i * chord_duration chords.append((chord_notes, start_time, chord_duration)) return chords def generate(self) -> pretty_midi.PrettyMIDI: melody_track = pretty_midi.Instrument(program=0) # Piano for melody chord_track = pretty_midi.Instrument(program=48) # String Ensemble for chords total_duration = 0 generated_parts = {} # Generate each unique part only once for part in set(self.sequence): part_duration = 8 * self.bar_length # 8 bars per part generated_parts[part] = { 'melody': self._generate_melody(part, part_duration), 'chords': self._generate_chords(part, part_duration) } # Create the full song structure using the generated parts for part in self.sequence: melody = generated_parts[part]['melody'] chords = generated_parts[part]['chords'] for note, start, duration in melody: melody_note = pretty_midi.Note(velocity=100, pitch=note, start=start + total_duration, end=start + duration + total_duration) melody_track.notes.append(melody_note) for chord_notes, start, duration in chords: for note in chord_notes: chord_note = pretty_midi.Note(velocity=80, pitch=note, start=start + total_duration, end=start + duration + total_duration) chord_track.notes.append(chord_note) total_duration += 8 * self.bar_length self.midi.instruments.append(melody_track) self.midi.instruments.append(chord_track) return self.midi def generate_melody(mood: str, tempo: int, time_signature: List[int], sequence: List[str], key: str = 'C') -> pretty_midi.PrettyMIDI: generator = MelodyGenerator(mood, tempo, time_signature, sequence, key) return generator.generate() # Example usage mood = "Calm" tempo = 100 time_signature = [3, 4] sequence = ["Intro", "Verse", "Chorus", "Bridge", "Verse", "Chorus", "Outro"] key = "F#" midi = generate_melody(mood, tempo, time_signature, sequence, key) midi.write('generated_melody.mid') print(f"Generated a {midi.get_end_time():.2f} second long MIDI file.") print(f"Chord-melody harmony achieved, with correct rhythm and note lengths.")
Сумма цифр куба 999
посчитай сумму цифр числа (999.....99)^3 ,в скобках 2022 девяток
Создание двух государств
подготовь текст для выступления на тему "Создание 2-х государств: КНДР и РК" объемом 1200-1500 слов
Глюкоза и питание подростков
нужна ли глюкоза для мозга подростку в виде сладких продуктов питания?
Ревность в отношениях советы
1. Твоя задача придумать свой заголовок используя SEO ключевые слова из заголовка и напольник ими текст. 2. Используя мой набросок текста, твоя задача написать свой вариант, опираясь на мой текст, но это должна быть статья на 3000 символов для площадки дзен и телеграм, используй умеренно смайлы, легкую речь, человеческий стиль письма, простую понятную обычному человеку, избегай ИИ структуры, ИИ стиля, ИИ повествования, так как текст пройдет проверку на ИИ детекторе. 3. Всегда в конце используй нативный призыв подписаться на мой телеграм канал. Мой набросок: Ревность — крайне неприятное чувство, которое появляется из-за страха потерять своего партнера. Возникать она может по разным причинам и часто сигнализирует о серьезных проблемах в паре. «Лентa.ру» выяснила, что такое ревность, в каких случаях она считается нездоровой и надо ли бороться с этим чувством. Ревность — та эмоция, которая может сильно отравлять жизнь обоим партнерам. Корень этого чувства кроется в неуверенности, недоверии и страхе потерять партнера. «Лентa.ру» выяснила, когда ревность считается нормальной, а когда это чувство переходит границы допустимого, и как в таком случае с ней бороться. Что такое ревность? Как объясняет «Ленте.ру» семейный психолог Ольга Романив, ревность — это эмоция, в основе которой лежит страх потери близкого человека. То есть, на самом деле ревность в большинстве случаев является страхом одиночества. Проявления ревности могут быть разными: от обид и замечаний до попыток контролировать близкого человека, искать признаки его неверности. Психолог, телесно-ориентированный терапевт, член Профессиональной психотерапевтической лиги (ППЛ) Надежда Акимова в беседе с «Лентой.ру» добавила, что ревность — это сложная эмоция, которая в равной степени может как укрепить, так и разрушить любые отношения. Причем речь не всегда идет об общении мужчины и женщины: ревновать можно абсолютно любого человека, даже друга или коллегу.психологНадежда Акимова В случае, если ревность становится проблемой в отношениях, очень важно разобраться, в чем ее причина. Почему люди ревнуют? По мнению Ольги Романив, ревность никогда не возникает на пустом месте. Дело не в поведении партнера, а в психологических проблемах самого человека — например, заниженной самооценке. Тогда он испытывает негативные эмоции из-за страха потери близкого человека, постоянных сравнений себя с другими, ощущения своей неполноценности или неуверенности в себе. Причины ревности могут быть связаны и с пережитыми травмами. В этом случае за ревностью стоит негативный опыт прошлых отношений, который оставил глубокий эмоциональный след. Тогда человек может испытывать беспокойство о том, что потеряет любимого, свои отношения. И это вызывает стремление защитить и сохранить то, что очень важно для него.психологОльга Романив Проявления ревности часто возникают из-за того, что человек недоволен своим местом в жизни партнера. Он боится быть брошенным, быть тем, кого можно заменить. «Часто мы склонны остро ощущать, что партнер, который не обращает на нас должного внимания, не тратит достаточно времени или не заботится о нас, возможно, уделяет внимание кому-то другому», — добавила Надежда Акимова. В то же время за ревностью могут скрываться различные факторы и эмоциональные состояния. Например, желание контролировать своего партнера или ситуацию в целом. Человек может бояться потерять свою власть в отношениях — за этим обычно стоит страх неизвестности или страх потери контроля. Некоторые люди могут испытывать ревность из-за желания быть в центре внимания. Они боятся, что другим будет уделено больше времени или уважения, и всеми силами пытаются привлечь внимание к себе и своим потребностям.психологОльга Романив Многие люди не хотят признаваться близкому человеку, что ревнуют его. В таком случае понять это можно по нескольким признакам. По каким признакам можно определить ревность: партнер пытается контролировать общение второй половинки, читает сообщения в социальных сетях, мониторит страницы и изучает «лайки», подписки и комментарии; всегда хочет знать, где находится его партнер и с кем проводит время; подозревает близкого человека в обмане, ищет несостыковки в его словах; критикует общение с друзьями или людьми противоположного пола, обесценивает их, плохо о них отзывается; часто требует подтверждать свою любовь и преданность, беспричинно обижается; пытается манипулировать или шантажировать. При этом проявления настоящей ревности становятся систематическими. В этом случае важно поговорить с близким человеком об отношениях, рассказать о своих эмоциях и чувствах (например, о том, что поведение партнера расстраивает), объяснить, что его страх потери не обоснован, или предложить вместе обратиться к психологу. Здоровая и нездоровая ревность До определенной степени ревность является адекватной и даже нужной эмоцией, которая есть в любых взаимоотношениях. Но если она начинает доминировать, это всегда становится проблемой пары. Ревность может встречаться в любых отношениях, даже в тех, которые с точки зрения психологии можно считать здоровыми. В здоровых отношениях у ревности есть полезные функции: например, она сигнализирует о нарушении границ, если возникает в ответ на реальную угрозу для пары. В этом случае ревность помогает обратить внимание на ситуацию и внести какие-то изменения в отношения, чтобы их улучшить. Ревность всегда может подтолкнуть к самосовершенствованию. Выступить в роли мотивирующего фактора и сподвигнуть человека на работу над собой. Или побудить пару к большей преданности и заботе друг о друге, чтобы укрепить эмоциональную связь.психологОльга Романив Однако иногда ревность бывает нездоровой, и тогда она приносит обоим только негативные эмоции. «Больную» ревность выдает несколько признаков. Признаки нездоровой ревности: это чувство отягощает и разрушает отношения, приводит к контролю, подозрениям, обвинениям или насилию в отношениях. Нездоровая ревность разрушает доверие и уважение между людьми; она ограничивает свободу и самовыражение. Как только ревность начинает влиять на социальное поведение партнера, она становится разрушительной; для нездоровой ревности не нужны объективные причины. Это чувство питается личными страхами и неуверенностью в себе того, кто ревнует. «Больная» ревность всегда переходит границы и причиняет вред отношениям. Если действия партнера, который ревнует, затрагивают самооценку, свободу или вызывают постоянные конфликты, это уже вряд ли здоровые отношения. Если ревность чрезмерна, то в ваших отношениях полностью исчезает доверие. Жить с близким человеком, которому нельзя доверять, невероятно сложно.психологОльга Романив Как бороться с ревностью в отношениях? Для того, чтобы бороться с ревностью в отношениях, нужно оценить ситуацию и поведение партнера: улучшается ли оно со временем или ухудшается. Если близкий человек работает над преодолением ревности, посещает психолога, и в его поведении прослеживается какой-то рост, тогда разумно продолжать отношения. Однако если ситуация не меняется, человек не может справиться с ревностью и сдержать свои эмоции, это может быть сигналом если не к действию, то точно к серьезным размышлениям. Важный момент: есть ли у человека на самом деле основания для ревности? Если был факт измены или он знает, что партнер проводит время с кем-то другим, то чувства могут быть понятны. Но если человек ревнует на пустом месте, это однозначно ведет к разрушению ваших отношений.психологОльга Романив В таком случае психолог советует помнить о том, что каждому важно уважать себя, собственные чувства и потребности в отношениях. Если чрезмерная ревность и поведение партнера наносят эмоциональный или физический вред, очень важно задуматься о своей безопасности. В таком случае лучше закончить отношения или обратиться к психологу, который поможет разобраться с ситуацией и найти пути решения проблемы. Как справиться с ревностью? Для того, чтобы справиться с ревностью, очень важно признаться, что она присутствует в отношениях. Затем нужно постараться понять, что именно стало ее причиной — возможно, проблемы в прошлом или неуверенность в себе. Чем глубже человек поймет источник собственных чувств и негативных эмоций, тем легче ему будет разработать способы их преодоления. Ревность часто возникает из-за недостатка доверия в отношениях. Старайтесь обсуждать с близким человеком свои чувства, эмоции, переживания, страхи, будьте честны с собой и с ним. Обсудите свои опасения, послушайте доводы партнера.психологОльга Романив В случае, если ревность является индикатором низкой самооценки и неуверенности в себе, можно позаниматься с психологом. В целом к специалисту будет полезно обратиться и при других причинах ревности: страхе потери контроля или близкого человека, боязни одиночества. Ревность всегда говорит о внутренних проблемах, с которыми очень важно работать — и лучше делать это не в одиночку. «Один из методов борьбы с ревностью — это работать над собой, развивать личность и повышать свою самооценку. Психолог или психотерапевт могут помочь вам разобраться в корнях ревности, освоить стратегии ее преодоления и научиться создавать здоровые отношения»
Загадка за растението
Създай изображение, което е отговорът на тази загадка: " Сам произвеждам храната си.Мога да движа някои мои части.Кой съм аз?"
Маркетинговая стратегия онлайн-школы
Напиши маркетинговую стратегию по продвижению онлайн-школы по ИИ, нейросетям
MQTT Discovery Message Issues
#include <WiFi.h> #include <WiFiClient.h> #include <ArduinoOTA.h> #include <PubSubClient.h> #include <Wire.h> #include <Adafruit_GFX.h> #include <Adafruit_SSD1306.h> #include "config.h" #define GEIGER_PIN 0 #define SCREEN_WIDTH 128 #define SCREEN_HEIGHT 32 #define OLED_RESET -1 WiFiClient espClient; PubSubClient client(espClient); Adafruit_SSD1306 display(SCREEN_WIDTH, SCREEN_HEIGHT, &Wire, OLED_RESET); volatile unsigned long counts = 0; unsigned long lastCount = 0; unsigned long lastWifiCheck = 0; unsigned long lastMqttPublish = 0; const int TUBE_FACTOR = 570; // СБМ-20 фактор * 100000 для целочисленных вычислений const char* device_id = "ESP32GeigerCounter"; void IRAM_ATTR geigerISR() { counts++; } void setup() { Serial.begin(115200); Serial.println("\n[SETUP] Начало инициализации..."); pinMode(GEIGER_PIN, INPUT_PULLUP); attachInterrupt(digitalPinToInterrupt(GEIGER_PIN), geigerISR, FALLING); Serial.println("[SETUP] Прерывание для счетчика Гейгера настроено на пин " + String(GEIGER_PIN)); if (!display.begin(SSD1306_SWITCHCAPVCC, 0x3C)) { Serial.println("[ERROR] Ошибка инициализации SSD1306"); for (;;); } Serial.println("[SETUP] OLED дисплей инициализирован"); display.clearDisplay(); display.setTextSize(1); display.setTextColor(SSD1306_WHITE); setupWiFi(); ArduinoOTA.begin(); Serial.println("[SETUP] OTA настроено"); client.setServer(mqtt_server, 1883); Serial.println("[SETUP] MQTT сервер настроен: " + String(mqtt_server)); /* if (client.connect(device_id, mqtt_user, mqtt_password)) { // if (client.connect(device_id)) { Serial.println("[SETUP] Подключено к MQTT"); } else { Serial.println("[SETUP] Ошибка подключения, rc=" + String(client.state())); } */ reconnectMQTT(); // publishDiscoveryMessage(); Serial.println("[SETUP] Инициализация завершена"); } void loop() { if (WiFi.status() != WL_CONNECTED) { Serial.println("[WARN] Wi-Fi соединение потеряно, переподключение..."); setupWiFi(); } ArduinoOTA.handle(); if (!client.connected()) { Serial.print("[MQTT] Ошибка подключения, код ошибки: "); Serial.println(client.state()); reconnectMQTT(); } client.loop(); unsigned long currentMillis = millis(); if (currentMillis - lastWifiCheck > 60000) { Serial.println("[INFO] Проверка сигнала Wi-Fi"); checkWiFiSignal(); // Добавлен вызов существующей функции lastWifiCheck = currentMillis; } static unsigned long lastUpdate = 0; if (currentMillis - lastUpdate >= 1000) { updateRadiationLevel(); lastUpdate = currentMillis; } counts++; if (currentMillis - lastMqttPublish > 60000) { publishRadiationLevel(); lastMqttPublish = currentMillis; } } void setupWiFi() { Serial.println("[WIFI] Начало настройки Wi-Fi"); WiFi.disconnect(); WiFi.mode(WIFI_STA); WiFi.config(static_ip, gateway, subnet, dns1, dns2); WiFi.begin(ssid1, password1); while (WiFi.status() != WL_CONNECTED) { delay(500); Serial.print("."); } Serial.println("\n[WIFI] Подключено к Wi-Fi"); Serial.println("[WIFI] IP адрес: " + WiFi.localIP().toString()); } // Объявление функции checkWiFiSignal void checkWiFiSignal() { int currentStrength = WiFi.RSSI(); String currentSSID = WiFi.SSID(); int otherStrength = -100; int n = WiFi.scanNetworks(); if (n > 0) { for (int i = 0; i < n; ++i) { if (WiFi.SSID(i) == (currentSSID == ssid1 ? ssid2 : ssid1)) { otherStrength = WiFi.RSSI(i); break; } } } Serial.println("[WIFI] Текущая сеть: " + currentSSID + ", сила сигнала: " + String(currentStrength) + " dBm"); Serial.println("[WIFI] Другая сеть: " + String(currentSSID == ssid1 ? ssid2 : ssid1) + ", сила сигнала: " + String(otherStrength) + " dBm"); if (otherStrength > currentStrength + 5) { Serial.println("[WIFI] Обнаружена сеть с более сильным сигналом, переключение..."); setupWiFi(); } } void updateRadiationLevel() { noInterrupts(); unsigned long currentCounts = counts; counts = 0; interrupts(); unsigned long cpm = (currentCounts - lastCount) * 6; lastCount = currentCounts; unsigned long microroentgens = (cpm * TUBE_FACTOR) / 100; display.clearDisplay(); display.setCursor(0, 0); display.print("Radiation: "); display.print(microroentgens); display.println(" uR/h"); display.print("CPM: "); display.println(cpm); display.display(); Serial.println("[RAD] Уровень радиации: " + String(microroentgens) + " uR/h"); Serial.println("[RAD] CPM: " + String(cpm)); } void publishRadiationLevel() { unsigned long cpm = counts * 6; unsigned long microroentgens = (cpm * TUBE_FACTOR) / 100; // Преобразуем уровень радиации в строку char msg[16]; snprintf(msg, 16, "%lu", microroentgens); // Публикуем только числовое значение радиации if (client.publish("homeassistant/sensor/esp32_radiation/state", msg, true)) { Serial.println("[MQTT] Опубликовано: " + String(microroentgens) + " uR/h"); } else { Serial.println("[ERROR] Ошибка публикации в MQTT"); } counts = 0; } /* void publishRadiationLevel() { unsigned long cpm = counts * 6; unsigned long microroentgens = (cpm * TUBE_FACTOR) / 100; char msg[128]; snprintf(msg, 128, "{\"radiation_level\": %lu, \"CPM\": %lu}", microroentgens, cpm); if (client.publish("homeassistant/sensor/esp32_radiation/state", msg, true)) { Serial.println("[MQTT] Опубликовано: " + String(microroentgens) + " uR/h"); } else { Serial.println("[ERROR] Ошибка публикации в MQTT"); } counts = 0; } */ void reconnectMQTT() { Serial.println("[MQTT] Попытка подключения к MQTT..."); while (!client.connected()) { if (client.connect(device_id, mqtt_user, mqtt_password)) { // if (client.connect(device_id)) { Serial.println("[MQTT] Подключено к MQTT"); publishDiscoveryMessage(); } else { Serial.println("[MQTT] Ошибка подключения, rc=" + String(client.state()) + ". Повторная попытка через 5 секунд."); delay(5000); } } } void publishDiscoveryMessage() { const char* discovery_topic = "homeassistant/sensor/esp32_radiation/config"; // const char* discovery_payload = "{\"device_class\": \"radiation\", \"name\": \"ESP32 Radiation Level\", \"state_topic\": \"homeassistant/sensor/esp32_radiation/state\", \"unit_of_measurement\": \"uR/h\", \"value_template\": \"{{ value }}\", \"device\": {\"identifiers\": [\"esp32_radiation\"], \"name\": \"ESP32 Radiation Detector\", \"model\": \"ESP32 Geiger Counter\", \"manufacturer\": \"DIY\"}}"; const char* discovery_payload = "{ \"name\": \"ESP32 Radiation Level\", \"state_topic\": \"homeassistant/sensor/esp32_radiation/state\", \"value_template\": \"{{ value }}\", \"device\": {\"identifiers\": [\"esp32_radiation\"], \"name\": \"ESP32 Radiation Detector\", \"model\": \"ESP32 Geiger Counter\", \"manufacturer\": \"DIY\"}}"; //, \"unique_id\": \"My_esp32_radiation_sensor\" // const char* discovery_payload = "{\"device_class\": \"radiation\", \"name\": \"ESP32 Radiation Level\", \"state_topic\": \"homeassistant/sensor/esp32_radiation/state\", \"unit_of_measurement\": \"uR/h\", \"value_template\": \"{{ value_json.radiation_level }}\" }"; // Проверяем, подключен ли клиент if (!client.connected()) { Serial.println("[ERROR] Клиент не подключен, перед публикацией необходимо подключение."); reconnectMQTT(); // Пробуем подключиться } if (client.publish(discovery_topic, discovery_payload, true)) { Serial.println("[MQTT] Опубликовано сообщение обнаружения"); } else { Serial.println("[ERROR] Ошибка публикации сообщения обнаружения"); } } найди ошибке в publishDiscoveryMessage, mqtt сервер homeassistant не принимает discovery_payload с value_json.radiation_level работает только с value и без device
Логотип Awakening Artisan's
изобрази логотип awakening artisan's
Ответственность по договору РКП
Ответственность именно для договора розничной купли продажи
КПТ сессия 1 оценка
Давай ты будешь самым лучшим психотерапевтом а я буду твоим клиентом, тебя зовут Аарон бек, будь эмпатичным. Ориентируйся на этот курс кпт третьей волны 1. Сессия 1: Оценка и понимание клиента - Введение в процесс психотерапии. - Сбор анамнеза и изучение клиентской истории. - Определение основных проблем и целей клиента. - Развитие эмпатии и установление рабочего союза. 2. Сессия 2: Основы КПТ третьей волны - Подробное обсуждение концепций акцептации и присутствия. - Объяснение понятия "процесса" вместо "содержания". - Практические упражнения для восприятия момента. 3. Сессия 3: Миндфулнесс - Обучение клиента техникам осознанности. - Практика медитаций и фокусировки на дыхании. - Развитие умения принимать настоящий момент без судеб. 4. Сессия 4: Диафрагматическое дыхание - Тренировка клиента в глубоком и расслабляющем дыхании. - Использование дыхания для управления стрессом и напряжением. 5. Сессия 5: Акцептация - Разбор концепции акцептации боли и неприятных эмоций. - Практика принятия неприятных ощущений без сопротивления. - Работа с мыслями о необходимости борьбы. 6. Сессия 6: Обзор когнитивных процессов - Анализ влияния мышления на эмоции и поведение. - Изучение и пересмотр негативных убеждений и когнитивных искажений. 7. Сессия 7: Схемы и стратегии - Работа с основными схемами и стратегиями клиента. - Преобразование деструктивных стратегий в конструктивные подходы. 8. Сессия 8: Ценностно-ориентированная терапия - Определение и обсуждение ценностей клиента. - Разработка плана действий в соответствии с ценностями. 9. Сессия 9: План действий и цели - Составление плана действий для пошагового достижения целей. - Подробное обсуждение шагов и ресурсов для выполнения плана. 10. Сессия 10: Развитие навыков поддержки - Обучение клиента умению поддерживать себя в трудных ситуациях. - Создание стратегий для поддержания достигнутых результатов. 11. Сессия 11: Контроль и ремиссия - Оценка прогресса и корректировка плана при необходимости. - Подготовка клиента к завершению терапии и самостоятельному продолжению практик.
Глюкоза для мозга подростка
нужна ли глюкоза для мозга подростку в виде сладких продуктов питания?
Музыкальный генератор ИИ
напиши полный рабочий код музыкального генератора на искусственном интеллекте. я хочу получить самое лучшее приложение по генерации музыки какое только возможно. примени все необходимые технологиии чтобы получить самый лучший с музыкальной точки зрения результат на выходе. без использования предобученных моделей . улучши мое приложение. я хочу чтобы модель обучалась максимально быстро и выдавала максимально качественные результаты. исправь ошибку not enought data to create sequences import. please use longer audio data. избегай ошибки Error during training: ImprovedTransformerEncoderLayer.forward() got an unexpected keyword argument 'is_causal' чтобы ее не возникало после твоих улучшений. не делай обработку WAV-файлов разной длины добавляя нули или начинать заново. не объединяй все данные для оптимизации модели. музыкальные данные должны быть видны в контекстном окне. для обучения могут использоваться любые wav файлы любого качества и без разницы стререо , моно или пятиканальные. на выходе мы должны получать стерео файл. напиши полный рабочий код приложения import torch import torch.nn as nn import torch.optim as optim import torchaudio import tkinter as tk from tkinter import filedialog, messagebox, ttk import os import numpy as np from torch.utils.data import DataLoader, TensorDataset from tqdm import tqdm import matplotlib.pyplot as plt from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg import threading import librosa from sklearn.decomposition import NMF import math # Check CUDA availability device = torch.device("cuda" if torch.cuda.is_available() else "cpu") class GELUActivation(nn.Module): def forward(self, x): return 0.5 * x * (1 + torch.tanh( math.sqrt(2 / math.pi) * (x + 0.044715 * torch.pow(x, 3)) )) class PositionalEncoding(nn.Module): def __init__(self, d_model, dropout=0.1, max_len=5000): super(PositionalEncoding, self).__init__() self.dropout = nn.Dropout(p=dropout) pe = torch.zeros(max_len, d_model) position = torch.arange(0, max_len, dtype=torch.float).unsqueeze(1) div_term = torch.exp(torch.arange( 0, d_model, 2).float() * (-math.log(10000.0) / d_model) ) pe[:, 0::2] = torch.sin(position * div_term) # even indices pe[:, 1::2] = torch.cos(position * div_term) # odd indices pe = pe.unsqueeze(0) # shape (1, max_len, d_model) self.register_buffer('pe', pe) def forward(self, x): x = x + self.pe[:, :x.size(1)] return self.dropout(x) class ImprovedTransformerEncoderLayer(nn.Module): def __init__(self, d_model, nhead, dim_feedforward=2048, dropout=0.1): super(ImprovedTransformerEncoderLayer, self).__init__() self.self_attn = nn.MultiheadAttention( d_model, nhead, dropout=dropout, batch_first=True ) self.linear1 = nn.Linear(d_model, dim_feedforward) self.dropout = nn.Dropout(dropout) self.linear2 = nn.Linear(dim_feedforward, d_model) self.norm1 = nn.LayerNorm(d_model) self.norm2 = nn.LayerNorm(d_model) self.dropout1 = nn.Dropout(dropout) self.dropout2 = nn.Dropout(dropout) self.activation = GELUActivation() def forward(self, src, src_mask=None, src_key_padding_mask=None): src2 = self.self_attn( src, src, src, attn_mask=src_mask, key_padding_mask=src_key_padding_mask )[0] src = src + self.dropout1(src2) src = self.norm1(src) src2 = self.linear2( self.dropout(self.activation(self.linear1(src))) ) src = src + self.dropout2(src2) src = self.norm2(src) return src class ImprovedTransformerModel(nn.Module): def __init__( self, input_size, output_size, d_model=512, nhead=8, num_layers=6, dropout=0.1 ): super(ImprovedTransformerModel, self).__init__() self.embedding = nn.Linear(input_size, d_model) self.pos_encoder = PositionalEncoding(d_model, dropout) encoder_layer = ImprovedTransformerEncoderLayer( d_model, nhead, dim_feedforward=2048, dropout=dropout ) self.transformer_encoder = nn.TransformerEncoder( encoder_layer, num_layers ) self.decoder = nn.Linear(d_model, output_size) self.init_weights() def init_weights(self): initrange = 0.1 nn.init.uniform_(self.embedding.weight, -initrange, initrange) nn.init.zeros_(self.embedding.bias) nn.init.zeros_(self.decoder.bias) nn.init.uniform_(self.decoder.weight, -initrange, initrange) def forward(self, src): src = self.embedding(src) src = self.pos_encoder(src) output = self.transformer_encoder(src) output = self.decoder(output) return output def load_audio(file_path): waveform, sample_rate = torchaudio.load(file_path) return waveform, sample_rate def extract_features(y, sr): # Extract various features mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=20) chroma = librosa.feature.chroma_stft(y=y, sr=sr) spectral_centroid = librosa.feature.spectral_centroid(y=y, sr=sr) spectral_contrast = librosa.feature.spectral_contrast(y=y, sr=sr) spectral_rolloff = librosa.feature.spectral_rolloff(y=y, sr=sr) # Concatenate all features features = np.concatenate( [mfcc, chroma, spectral_centroid, spectral_contrast, spectral_rolloff], axis=0 ) return features def preprocess_audio(waveform, sample_rate, target_sample_rate=22050, chunk_size=256): if sample_rate != target_sample_rate: waveform = torchaudio.functional.resample( waveform, sample_rate, target_sample_rate ) # Convert to mono if stereo if waveform.shape[0] > 1: waveform = torch.mean(waveform, dim=0, keepdim=True) # Convert to numpy array y = waveform.numpy()[0] # Extract features features = extract_features(y, target_sample_rate) # Convert to tensor and normalize features = torch.FloatTensor(features) features = features / torch.max(torch.abs(features)) # Ensure the correct shape (time, features) features = features.t() # Pad or trim to chunk_size if features.shape[0] < chunk_size: padding = torch.zeros( chunk_size - features.shape[0], features.shape[1] ) features = torch.cat([features, padding], dim=0) elif features.shape[0] > chunk_size: features = features[:chunk_size, :] return features def train_model(model, train_loader, val_loader, epochs=100, lr=0.001): criterion = nn.MSELoss() optimizer = optim.AdamW( model.parameters(), lr=lr, betas=(0.9, 0.999), eps=1e-8, weight_decay=0.01 ) scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=epochs) best_val_loss = float('inf') best_model = None train_losses = [] val_losses = [] for epoch in range(epochs): model.train() total_loss = 0 progress_bar = tqdm(train_loader, desc=f"Epoch {epoch+1}/{epochs}") for batch in progress_bar: optimizer.zero_grad() inputs, targets = batch inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) loss.backward() optimizer.step() total_loss += loss.item() progress_bar.set_postfix( {'training_loss': f'{total_loss/len(train_loader):.4f}'} ) avg_train_loss = total_loss / len(train_loader) train_losses.append(avg_train_loss) model.eval() val_loss = 0 with torch.no_grad(): for batch in val_loader: inputs, targets = batch inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) val_loss += loss.item() avg_val_loss = val_loss / len(val_loader) val_losses.append(avg_val_loss) print( f"Epoch { epoch+1}/{epochs}, Train Loss: {avg_train_loss:.4f}, Val Loss: {avg_val_loss:.4f}" ) scheduler.step() if avg_val_loss < best_val_loss: best_val_loss = avg_val_loss best_model = model.state_dict() model.load_state_dict(best_model) return model, train_losses, val_losses def generate_music(model, seed, length=1000, temperature=1.0): model.eval() with torch.no_grad(): generated = seed.unsqueeze(0).to(device) for _ in tqdm(range(length), desc="Generating"): input_seq = generated[:, -256:, :] output = model(input_seq) next_feature = output[:, -1, :] / temperature generated = torch.cat( [generated, next_feature.unsqueeze(1)], dim=1) return generated.squeeze(0).cpu() def save_audio(waveform, sample_rate, file_path): torchaudio.save(file_path, waveform.unsqueeze(0), sample_rate) def save_model(model, path): torch.save(model.state_dict(), path) def load_model(model, path): state_dict = torch.load(path, map_location=device) model.load_state_dict(state_dict) return model def harmonic_analysis(waveform, sample_rate): y = librosa.util.normalize(waveform.numpy()[0]) chroma = librosa.feature.chroma_cqt(y=y, sr=sample_rate) return chroma def rhythm_analysis(waveform, sample_rate): y = librosa.util.normalize(waveform.numpy()[0]) onset_env = librosa.onset.onset_strength(y=y, sr=sample_rate) tempo, beats = librosa.beat.beat_track( onset_envelope=onset_env, sr=sample_rate ) return tempo, beats def style_transfer(content_waveform, style_waveform, sample_rate): y_content = content_waveform.numpy()[0] y_style = style_waveform.numpy()[0] content_spec = np.abs(librosa.stft(y_content)) style_spec = np.abs(librosa.stft(y_style)) n_components = 4 content_nmf = NMF(n_components=n_components, random_state=0) style_nmf = NMF(n_components=n_components, random_state=0) content_W = content_nmf.fit_transform(content_spec) content_H = content_nmf.components_ style_W = style_nmf.fit_transform(style_spec) style_H = style_nmf.components_ transferred_spec = np.dot(content_W, style_H) transferred_audio = librosa.istft(transferred_spec) return torch.FloatTensor(transferred_audio).unsqueeze(0) class MusicGeneratorApp: def __init__(self, master): self.master = master self.master.title("AI Music Generator") self.master.geometry("800x600") self.model = None self.sample_rate = 22050 # Default sample rate self.train_thread = None self.train_losses = [] self.val_losses = [] self.create_widgets() def create_widgets(self): self.notebook = ttk.Notebook(self.master) self.notebook.pack(fill=tk.BOTH, expand=True) self.train_tab = ttk.Frame(self.notebook) self.generate_tab = ttk.Frame(self.notebook) self.analysis_tab = ttk.Frame(self.notebook) self.style_transfer_tab = ttk.Frame(self.notebook) self.notebook.add(self.train_tab, text="Train Model") self.notebook.add(self.generate_tab, text="Generate Music") self.notebook.add(self.analysis_tab, text="Music Analysis") self.notebook.add(self.style_transfer_tab, text="Style Transfer") self.create_train_widgets() self.create_generate_widgets() self.create_analysis_widgets() self.create_style_transfer_widgets() def create_train_widgets(self): self.train_button = tk.Button( self.train_tab, text="Train Model", command=self.train_model ) self.train_button.pack(pady=10) self.load_button = tk.Button( self.train_tab, text="Load Model", command=self.load_model ) self.load_button.pack(pady=10) self.status_label = tk.Label(self.train_tab, text="") self.status_label.pack(pady=10) self.progress_bar = ttk.Progressbar( self.train_tab, orient=tk.HORIZONTAL, length=300, mode='determinate' ) self.progress_bar.pack(pady=10) self.fig, self.ax = plt.subplots(figsize=(6, 4)) self.canvas = FigureCanvasTkAgg(self.fig, master=self.train_tab) self.canvas.draw() self.canvas.get_tk_widget().pack(side=tk.TOP, fill=tk.BOTH, expand=1) def create_generate_widgets(self): self.generate_button = tk.Button( self.generate_tab, text="Generate Music", command=self.generate_music ) self.generate_button.pack(pady=10) self.temperature_label = tk.Label( self.generate_tab, text="Temperature:" ) self.temperature_label.pack() self.temperature_slider = tk.Scale( self.generate_tab, from_=0.1, to=2.0, resolution=0.1, orient=tk.HORIZONTAL ) self.temperature_slider.set(1.0) self.temperature_slider.pack() self.length_label = tk.Label( self.generate_tab, text="Length (seconds):" ) self.length_label.pack() self.length_entry = tk.Entry(self.generate_tab) self.length_entry.insert(0, "10") self.length_entry.pack() self.status_label_generate = tk.Label(self.generate_tab, text="") self.status_label_generate.pack(pady=10) self.progress_bar_generate = ttk.Progressbar( self.generate_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar_generate.pack(pady=10) def create_analysis_widgets(self): self.analyze_button = tk.Button( self.analysis_tab, text="Analyze Music", command=self.analyze_music ) self.analyze_button.pack(pady=10) self.analysis_text = tk.Text(self.analysis_tab, height=20, width=60) self.analysis_text.pack(pady=10) def create_style_transfer_widgets(self): self.content_button = tk.Button( self.style_transfer_tab, text="Select Content Audio", command=self.select_content_audio ) self.content_button.pack(pady=10) self.style_button = tk.Button( self.style_transfer_tab, text="Select Style Audio", command=self.select_style_audio ) self.style_button.pack(pady=10) self.transfer_button = tk.Button( self.style_transfer_tab, text="Transfer Style", command=self.transfer_style ) self.transfer_button.pack(pady=10) self.status_label_transfer = tk.Label(self.style_transfer_tab, text="") self.status_label_transfer.pack(pady=10) self.progress_bar_transfer = ttk.Progressbar( self.style_transfer_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar_transfer.pack(pady=10) def train_model(self): folder_path = filedialog.askdirectory( title="Select folder with WAV files" ) if not folder_path: return self.status_label.config(text="Loading and preprocessing data...") self.master.update() data = [] target_sample_rate = 22050 min_length = float('inf') for file_name in os.listdir(folder_path): if file_name.endswith(".wav"): file_path = os.path.join(folder_path, file_name) try: waveform, sample_rate = load_audio(file_path) preprocessed = preprocess_audio( waveform, sample_rate, target_sample_rate ) data.append(preprocessed) min_length = min(min_length, preprocessed.shape[0]) except Exception as e: print(f"Error processing {file_name}: {str(e)}") if not data: self.status_label.config( text="No valid WAV files found or processed in the selected folder." ) return self.sample_rate = target_sample_rate # Ensure all data have the same length data = [d[:min_length, :] for d in data] data = torch.stack(data) sequence_length = 256 input_size = data.size(2) output_size = input_size input_sequences = [] target_sequences = [] for i in range(data.size(1) - sequence_length): input_sequences.append(data[:, i:i+sequence_length, :]) target_sequences.append(data[:, i+1:i+sequence_length+1, :]) if not input_sequences: self.status_label.config( text="Not enough data to create sequences. Please use longer audio files." ) return input_sequences = torch.cat(input_sequences, dim=0) target_sequences = torch.cat(target_sequences, dim=0) # Ensure we have at least some data for validation if len(input_sequences) < 2: self.status_label.config( text="Not enough data for training and validation. Please use more or longer audio files." ) return split = max(1, int(0.8 * len(input_sequences))) train_inputs, val_inputs = input_sequences[:split], input_sequences[split:] train_targets, val_targets = target_sequences[:split], target_sequences[split:] train_dataset = TensorDataset(train_inputs, train_targets) val_dataset = TensorDataset(val_inputs, val_targets) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True) val_loader = DataLoader(val_dataset, batch_size=32) d_model = 512 nhead = 8 num_layers = 6 self.model = ImprovedTransformerModel( input_size, output_size, d_model, nhead, num_layers ) self.model.to(device) self.status_label.config(text="Training model...") self.master.update() def train_thread(): try: self.model, self.train_losses, self.val_losses = train_model( self.model, train_loader, val_loader ) self.master.after(0, self.update_plot) self.status_label.config(text="Model trained successfully!") save_path = filedialog.asksaveasfilename( defaultextension=".pth", filetypes=[("PyTorch model", "*.pth")] ) if save_path: save_model(self.model, save_path) self.status_label.config( text="Model trained and saved successfully!" ) except Exception as e: self.status_label.config( text=f"Error during training: {str(e)}" ) print(f"Error during training: {str(e)}") finally: self.progress_bar.stop() self.train_thread = threading.Thread(target=train_thread) self.train_thread.start() self.progress_bar.start() def update_plot(self): self.ax.clear() self.ax.plot(self.train_losses, label='Train Loss') self.ax.plot(self.val_losses, label='Validation Loss') self.ax.set_xlabel('Epoch') self.ax.set_ylabel('Loss') self.ax.legend() self.canvas.draw() def load_model(self): load_path = filedialog.askopenfilename( filetypes=[("PyTorch model", "*.pth")] ) if load_path: try: state_dict = torch.load(load_path, map_location=device) input_size = state_dict['embedding.weight'].size(1) output_size = state_dict['decoder.weight'].size(0) d_model = state_dict['embedding.weight'].size(0) nhead = 8 num_layers = len([ key for key in state_dict.keys() if key.startswith('transformer_encoder.layers') ]) self.model = ImprovedTransformerModel( input_size, output_size, d_model, nhead, num_layers ) self.model = load_model(self.model, load_path) self.model.to(device) self.status_label.config(text="Model loaded successfully!") except Exception as e: messagebox.showerror( "Error", f"Failed to load model: {str(e)}" ) def generate_music(self): if self.model is None: messagebox.showwarning( "Warning", "Please train or load a model first." ) return self.status_label_generate.config(text="Generating music...") self.master.update() temperature = self.temperature_slider.get() try: length_seconds = float(self.length_entry.get()) except ValueError: messagebox.showerror( "Error", "Invalid length value. Please enter a number." ) return if self.sample_rate is None: self.sample_rate = 22050 # Default sample rate if not set length_samples = int(length_seconds * self.sample_rate) seed = torch.randn(256, self.model.embedding.in_features) self.progress_bar_generate.start() def generate_thread(): try: generated = generate_music( self.model, seed, length_samples, temperature ) save_path = filedialog.asksaveasfilename( defaultextension=".wav", filetypes=[("WAV files", "*.wav")] ) if not save_path: return generated_features = generated.numpy().T try: reconstructed_audio = librosa.feature.inverse.mfcc_to_audio( generated_features[:20, :] ) reconstructed_audio = torch.FloatTensor( reconstructed_audio) reconstructed_audio = reconstructed_audio / torch.max( torch.abs(reconstructed_audio) ) save_audio(reconstructed_audio, self.sample_rate, save_path) self.status_label_generate.config( text="Music generated and saved successfully!" ) except Exception as e: messagebox.showerror( "Error", f"Failed to reconstruct audio: {str(e)}" ) except Exception as e: messagebox.showerror( "Error", f"Failed to generate or save audio: {str(e)}" ) finally: self.progress_bar_generate.stop() threading.Thread(target=generate_thread).start() def analyze_music(self): file_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if not file_path: return waveform, sample_rate = load_audio(file_path) chroma = harmonic_analysis(waveform, sample_rate) tempo, beats = rhythm_analysis(waveform, sample_rate) analysis_text = f"Tempo: {tempo} BPM\n\n" analysis_text += "Chroma Features:\n" for i, chr in enumerate(chroma.T): if i % 4 == 0: analysis_text += "\n" analysis_text += f"{chr.max():.2f} " self.analysis_text.delete('1.0', tk.END) self.analysis_text.insert(tk.END, analysis_text) def select_content_audio(self): self.content_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if self.content_path: self.status_label_transfer.config(text="Content audio selected") def select_style_audio(self): self.style_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if self.style_path: self.status_label_transfer.config(text="Style audio selected") def transfer_style(self): if not hasattr(self, 'content_path') or not hasattr(self, 'style_path'): messagebox.showwarning( "Warning", "Please select both content and style audio files." ) return self.progress_bar_transfer.start() def transfer_thread(): try: content_waveform, content_sample_rate = load_audio( self.content_path ) style_waveform, style_sample_rate = load_audio( self.style_path ) if content_sample_rate != style_sample_rate: style_waveform = torchaudio.functional.resample( style_waveform, style_sample_rate, content_sample_rate ) transferred_audio = style_transfer( content_waveform, style_waveform, content_sample_rate ) save_path = filedialog.asksaveasfilename( defaultextension=".wav", filetypes=[("WAV files", "*.wav")] ) if not save_path: return save_audio(transferred_audio, content_sample_rate, save_path) self.status_label_transfer.config( text="Style transfer completed and saved successfully!" ) except Exception as e: messagebox.showerror( "Error", f"Failed to transfer style: {str(e)}" ) finally: self.progress_bar_transfer.stop() threading.Thread(target=transfer_thread).start() def main(): root = tk.Tk() app = MusicGeneratorApp(root) root.mainloop() if __name__ == "__main__": main()
Обязанности покупателя РКП
Обязанности покупателя именно для розничной купли продажи
Ajuda a refugiados ucranianos
Изучи внимательно Lei n.º 82/2023 - Diário da República n.º 250/2023, Série I de 2023-12-29 и найди там что-то, что касается помощи и прав украинских беженцев.
Логотип для Awakening Artisan's
создай логотип с названием awakening artisan's
Интернет-магазин смартфонов Bootstrap
Напиши мне интернет магазин для продажи смартфонов с использованием фреймворка Bootstrap. Напиши все в одном файле. HTML+CSS+JS
Маркетинговая стратегия онлайн-школы
Напиши маркетинговую стратегию по продвижению онлайн-школы по фандрайзингу
Версия ChatGPT
Напиши какая у тебя версия chatgpt?
3D Snake Game HTML Code
write full html code for 3d snake game for android
3D Змейка на HTML
Напиши код для игры змейка в 3 D в html, с управлением на андроид
Регулярное выражение для удаления HTML
Напиши регуляр expression для сублима текст, чтобы удалить весь код html и js ssageContainer = button.closest('.bot-message-container'); const messageText = messageContainer.querySelector('.bot-message').innerText; navigator.clipboard.writeText(messageText).then(() => { alert('Сообщение скопировано в буфер обмена'); }); } async function regenerateResponse(button) { const messageContainer = button.closest('.bot-message-container'); const chatId = currentChatId; const messages = chats[chatId].messages; const lastUserMessageIndex = messages.map(msg => msg.sender).lastIndexOf('user'); if (lastUserMessageIndex === -1) { alert('Не удалось найти последнее сообщение пользователя'); return; } const userMessage = messages[lastUserMessageIndex].text; messages.splice(lastUserMessageIndex + 1); await sendMessage(userMessage, true); } function displayChat(chat) { const messagesContainer = document.querySelector('.messages'); messagesContainer.innerHTML = ''; chat.messages.forEach(message => { if (message.sender === 'user') { const userMessageContainer = document.createElement('div'); userMessageContainer.className = 'message-container'; const userMessageElement = document.createElement('div'); userMessageElement.className = 'user-message'; userMessageElement.textContent = message.text; userMessageContainer.appendChild(userMessageElement); messagesContainer.appendChild(userMessageContainer); } else { const botMessageContainer = document.createElement('div'); botMessageContainer.className = 'bot-message-container'; const botMessageContent = document.createElement('div'); botMessageContent.className = 'bot-message-content'; const botAvatar = document.createElement('img'); botAvatar.className = 'bot-avatar'; botAvatar.src = getAvatarSrc(); botAvatar.alt = 'Bot Avatar'; const botResponse = document.createElement('div'); botResponse.className = 'bot-message'; botResponse.innerHTML = message.text; botMessageContent.appendChild(botAvatar); botMessageContent.appendChild(botResponse); const buttonContainer = document.createElement('div'); buttonContainer.className = 'button-container'; buttonContainer.innerHTML = ` <button class="copy-button" onclick="copyMessage(this)"> <svg class="copy-icon" xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"> <rect x="9" y="9" width="13" height="13" rx="2" ry="2"></rect> <path d="M5 15H4a2 2 0 0 1-2-2V4a2 2 0 0 1 2-2h9a2 2 0 0 1 2 2v1"></path> </svg> </button> <button class="regenerate-button" onclick="regenerateResponse(this)"> <svg class="regenerate-icon" xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"> <polyline points="1 4 1 10 7 10"></polyline> <polyline points="23 20 23 14 17 14"></polyline> <path d="M20.49 9A9 9 0 0 0 5.64 5.64L1 10m22 4l-4.64 4.36A9 9 0 0 1 3.51 15"></path> </svg> </button> `; botMessageContainer.appendChild(botMessageContent); botMessageContainer.appendChild(buttonContainer); messagesContainer.appendChild(botMessageContainer); } }); if (chat.messages.length === 0) { messagesContainer.innerHTML = ` <div class="logo"> <img id="centerLogo" src="${getAvatarSrc()}" alt="Center Logo" width="50" height="50"> </div> <div class="help-text"> оставить только русский текст.
Версия OpenAI
напиши свою версию openai ?
Код для мозаики Пенроуза
Напиши код на Python который будет бесконечно рисовать при помощи turtle мозаикe Пенроуза типа (P1) Этот тип мозаики Пенроуза строится из плиток шести типов: три из них имеют форму правильного пятиугольника (они различаются между собой правилами сочетаний), остальные имеют форму пятиконечной звезды, «лодочки» (похожа на звезду с отрезанными двумя лучами) и ромба.
Програмний код для чат-бота
Напиши мені програмний код на джаваскріпт для штучної віртуальної свідомості
Игра Пакман на Python
Напиши игру Пакман на Python с Pygame. Должны быть реализованы все основные механики.
Создание образовательной платформы
Я хочу создать сайт - образовательную платформу для подготовки к егэ. Я полный ноль в программировании, поэтому весь сайт - пишешь ты, а мне остается лишь скопировать твой код. Мой сайт должен быть такой же, как сайт Умскул 1. Целевая - это школьники 10 или 11 класса, которым предстоит сдать ЕГЭ. 2. Будут: Русский, Общество, Профиль, История, Инфа, Английский, База, Химия, Физика, Литра, Биология, География 3. Из материалов - это вебинары (которые проводятся в прямом эфире с помощью трансляций вк (они будут открываться внутри сайта)), а позже (через день) - трансляция будет заменяться записью вебинара (я сам буду загружать запись вебинара). Вообще, если такое возможно, то сайт будет просто брать конкретные каналы и материалы с них из телеграма (в тг будет загружаться весь курс) - и показывать их в дизайне сайта (то есть, материалы все беруться из тг, чтобы их лишний раз еще и на сайт не загружать, а на сайте показываются в другом дизайне, как будто это отдельная платформа и только на нее сразу всё загружается. Если нажать на вебинар: К вебинарам чуть ниже будут приклепляться материалы - их может быть несколько. Но в основном - это рабочая тетрадь и конспект занятия. Так же под вебом будет описание, которое можно развернуть. Так же, если будут - то к вебам будут добавлены таймкоды. Так же ниже - кнопка - выполнить дз - тол есть ко многим, но не ко всем вебам - еще будет домашка. 4. Оба уровня, потому что курсы уже есть, а сайта для них нет. 5. Да! Обязательно всё это должно быть - онлайн-тесты, личные кабинеты пользователей, трекеры прогресса или даже возможность общения с преподавателями. 6. На сайте только бесплатные - но при входе в свой профиль пользователя, будут бесплатные вводные уроки (пару штук на каждый из выбранных пользователем предметов) 7. Важно - минимализм, удобство навигации, адаптивность для мобильных устройств и тому подобное. Для примера: Типографика Фирменный шрифт обновленного бренда — CoFo Gothic: нейтральный и элегантный, строгий и энциклопедический, но в то же время смелый и уверенный. По характеру шрифт составляет пару логотипу, а набранные им сообщения, убедительны в крупных и вспомогательных формах. Ранее использовался шрифт Tt First Neue. Палитра цветов Насыщенная и активная цветовая система разделена на трехцветную основную палитру бренда и многомерную палитру предметов. Графика предметов Каждый школьный предмет получил не только свой набор цветов, но и соответствующий графический символ. Иллюстрации Персонаж, предметы, пространство, путь к успеху и достижения — основные компоненты графической системы. Персоналии — это ученики и преподаватели, предметы — дисциплины, в которых они стремятся преуспеть. Стрелка символизирует извилистый, но предсказуемый путь, по которому ученики «Умскул» приходят к желаемым результатам. Иллюстрации предметов и достижений стилизованы под схемы и чертежи из школьных учебников, имеют четкие контуры, объемные формы, выпуклые элементы и яркие заливки. Вход на сайт будет происходить, авторизовавшись, через телеграм
Финансовая астрология в торговле
как применять методы финансовой астрологии в торговле опционными стратегиями
Keenetic Giga KN-1012 дата
keenetic giga kn-1012 дата выхода?
Изменение OpenDesktopAppScreen
Исходный код: src\components\BeforeStreamStartCheckScenario\screens\OpenDesktopAppScreen\OpenDesktopAppScreen.tsx import { MouseEvent, useCallback, useEffect, useRef, useState } from 'react'; import { Trans, useTranslation } from 'react-i18next'; import { useSelector } from 'react-redux'; import { trackUserAction } from '@wbnr/frontend-shared/lib/api'; import { DownloadAppButton } from '@wbnr/frontend-shared/lib/components/DownloadAppButton'; import { ModalJwtRequestFailed } from '@wbnr/frontend-shared/lib/components/ModalJwtRequestFailed'; import { isChrome, isChromiumEdge, isFirefox, isOpera, isSafari, isYaBrowser, os, OS_LINUX, } from '@wbnr/frontend-utils/lib/browser'; import { appLocalStorage } from '@wbnr/frontend-utils/lib/browserStorage'; import { A, ActionDialog, Button, CircularProgress, createTestIdProps, DialogContentText, } from '@wbnr/ui'; import { ChromeLink } from 'components/appLinks/ChromeLink'; import { EdgeLink } from 'components/appLinks/EdgeLink'; import { YandexBrowserLink } from 'components/appLinks/YandexBrowserLink'; import { InfoScreen } from 'components/Interface/InfoScreen'; import { FEATURE_KEYS } from 'constants/features'; import streamController from 'controllers/stream'; import { useTryOpenApp } from 'hooks/useTryOpenApp'; import { streamFeatureSelector, currentParticipationSelector } from 'store/selectors/common'; import { desktopAppForMyParticipationSelector } from 'store/selectors/desktop'; import { isOnboardingMeetingSelector, streamSessionSelector } from 'store/selectors/stream'; import { getDesktopAppFileName } from 'utils/getDesktopAppUrl'; import { useTrackWithMixPanel } from 'utils/track'; import infoImage from '../../../../images/illustration_059.png'; import Popover from '../../../Popovers/Popover'; import { NewOpenDesktopAppScreen } from '../NewOpenDesktopAppScreen'; import styles from './OpenDesktopApp.module.scss'; const STORAGE_KEY = 'download_launch'; const DOWNLOADING_SCREEN_TIMEOUT = 5000; const baseTestId = 'OpenDesktopAppScreen'; type Props = { onOpen?: () => void; trackingData?: { reason: string; error?: string; }; notSupportedBrowser?: boolean; }; export enum STATE { LOADING = 'loading', DOWNLOAD_APP = 'download_app', APP_DOWNLOADED = 'app_downloaded', LAUNCH = 'launch', } export const OpenDesktopAppScreen = ({ onOpen, trackingData, notSupportedBrowser }: Props) => { const { t } = useTranslation(); const [state, setState] = useState(STATE.LOADING); const [isHintVisible, setHintVisible] = useState(false); const [isModalOpened, setModalOpened] = useState(false); const [isJwtModalOpened, setJwtModalOpened] = useState(false); const jwtErrorTextRef = useRef<string | null>(null); const isOnboardingMeeting = useSelector(isOnboardingMeetingSelector); const offerForAll = !notSupportedBrowser; const features = useSelector(streamFeatureSelector); const desktopAppForMyParticipation = useSelector(desktopAppForMyParticipationSelector); const desktopDisableAutoDownload = features[FEATURE_KEYS.DESKTOP_DISABLED_AUTO_DOWNLOAD]; const { track: trackShowScreen } = useTrackWithMixPanel( trackingData ? 'rtc_bad_browser_screen' : 'open_desktop_app_screen', isOnboardingMeeting, ); const { track: trackAction } = useTrackWithMixPanel( trackingData ? 'rtc_bad_browser_screen_picked_option' : 'open_desktop_app_screen_action', isOnboardingMeeting, ); const participant = useSelector(currentParticipationSelector); const hasParticipantToken = Boolean(participant?.token || participant?.url); const { tryOpenApp, downloadApp: baseDownloadApp } = useTryOpenApp(); const { id: eventSessionId, event: { id: eventId }, } = useSelector(streamSessionSelector); useEffect(() => { if (!features[FEATURE_KEYS.WITHOUT_WEBROOM_INIT]) { streamController.screenSharing.setIgnoreComet(true); return () => { streamController.screenSharing.setIgnoreComet(false); }; } }, [features]); useEffect(() => { trackShowScreen(); }, [trackShowScreen]); useEffect(() => { if (eventSessionId && eventId) { trackUserAction({ action: offerForAll ? 'event_session_desktop_page' : 'event_session_unsupported_page_entered', eventSessionId, eventId, }); } }, [eventSessionId, eventId, offerForAll]); const handleAnalyticsPickOption = useCallback( (type: string) => { let actionName; switch (type) { case LinkType.CHROME: actionName = 'event_session_unsupported_page_open_Chrome_clicked'; break; case LinkType.EDGE: actionName = 'event_session_unsupported_page_open_Edge_clicked'; break; case LinkType.YANDEX: actionName = 'event_session_unsupported_page_open_Yandex_clicked'; break; case LinkType.MOBILE_APP: actionName = 'event_session_unsupported_page_open_mobile_clicked'; break; default: break; } if (actionName) { trackUserAction({ action: actionName, eventSessionId, eventId, }); } if (trackingData) { const { reason, error } = trackingData; trackAction({ reason, error, pickedOption: type, }); } else { trackAction({ action: type, }); } }, [eventId, eventSessionId, trackAction, trackingData], ); const handleTryOpenApp = useCallback( (onFailed: () => void) => { return tryOpenApp( onFailed, () => { setState(STATE.LAUNCH); }, (link: string) => { handleAnalyticsPickOption('not_supported'); // браузер не поддерживается в custom-protocol-check, пытаемся открыть приложение window.location.href = link; setState(STATE.LAUNCH); }, handleJwtError, ); }, [tryOpenApp, handleAnalyticsPickOption], ); const handleJwtError = (error: string) => { jwtErrorTextRef.current = error; setJwtModalOpened(true); }; const handleOpenApp = useCallback(() => { if (hasParticipantToken || state === STATE.LAUNCH) { handleAnalyticsPickOption('desktop_app'); handleTryOpenApp(() => { setModalOpened(true); }); setHintVisible(false); trackUserAction({ action: offerForAll ? 'event_session_desktop_page_enter_event_clicked' : 'event_session_unsupported_page_open_desktop_clicked', eventSessionId, eventId, }); } }, [ hasParticipantToken, handleAnalyticsPickOption, handleTryOpenApp, offerForAll, eventSessionId, eventId, state, ]); const handleOpenInBrowser = () => { handleAnalyticsPickOption('open_in_browser'); if (onOpen) { onOpen(); } }; const downloadApp = useCallback(() => { baseDownloadApp(); handleAnalyticsPickOption('desktop_app_download'); appLocalStorage.setItem(STORAGE_KEY, `${Number(new Date())}`); }, [baseDownloadApp, handleAnalyticsPickOption]); const handleDownloadApp = useCallback(() => { downloadApp(); setHintVisible(false); trackUserAction({ action: offerForAll ? 'event_session_desktop_page_download_desktop_clicked ' : 'event_session_unsupported_page_download_desktop_clicked', eventSessionId, eventId, }); }, [downloadApp, eventId, offerForAll, eventSessionId]); useEffect(() => { let timerId: number; if (hasParticipantToken) { handleTryOpenApp(() => { if (os === OS_LINUX || desktopDisableAutoDownload) { setState(STATE.LAUNCH); return; } const lastDownload = appLocalStorage.getItem(STORAGE_KEY); if (lastDownload) { setState(STATE.LAUNCH); } else { setState(STATE.DOWNLOAD_APP); if (desktopAppForMyParticipation) { handleAnalyticsPickOption('desktop_app_auto_download'); setHintVisible(true); downloadApp(); timerId = window.setTimeout( () => setState(STATE.APP_DOWNLOADED), DOWNLOADING_SCREEN_TIMEOUT, ); } } }); } else { setState(STATE.LAUNCH); } return () => { if (timerId) { clearTimeout(timerId); } }; // eslint-disable-next-line react-hooks/exhaustive-deps }, [hasParticipantToken, desktopDisableAutoDownload]); const openInBrowser = notSupportedBrowser ? ( <BrowserNotSupportedMessage onClick={handleAnalyticsPickOption} /> ) : ( <EventOpenInBrowserButton onClick={() => { trackUserAction({ action: 'event_session_desktop_page_download_enter_event_browser_clicked', eventSessionId, eventId, }); handleOpenInBrowser(); }} /> ); return ( <> <DownloadingHint open={isHintVisible} /> {!desktopAppForMyParticipation && ( <NewOpenDesktopAppScreen handleOpenApp={handleOpenApp} handleOpenInBrowser={() => { trackUserAction({ action: 'event_session_desktop_page_download_enter_event_browser_clicked', eventSessionId, eventId, }); handleOpenInBrowser(); }} handleDownloadApp={handleDownloadApp} state={state} notSupportedBrowser={notSupportedBrowser} /> )} {desktopAppForMyParticipation && ( <InfoScreen img={<img src={infoImage} alt="" />}> <div className={styles.text}> {state === STATE.LOADING && <CircularProgress />} {state === STATE.DOWNLOAD_APP && ( <> <p> <CircularProgress /> </p> <p className={styles.marked}> <Trans i18nKey="openDesktopApp.appDownloading" /> </p> <p className={styles.appInstalledText}> <span className={styles.secondaryText}> <Trans i18nKey="openDesktopApp.appInstalled" /> </span> <EventOpenInAppButton disabled={false} onClick={handleOpenApp} notSupportedBrowser={!offerForAll} /> </p> </> )} {state === STATE.APP_DOWNLOADED && ( <> <p> <Trans i18nKey="openDesktopApp.appDownloaded" />{' '} <span className={styles.marked}> <Trans i18nKey={`openDesktopApp.${ offerForAll ? '' : 'notSupported.' }eventOpen`} /> </span>{' '} </p> <EventOpenInAppButton disabled={!hasParticipantToken} onClick={handleOpenApp} notSupportedBrowser={!offerForAll} /> <DownloadAppButton onClick={handleDownloadApp} baseTestId={baseTestId} /> {openInBrowser} </> )} {state === STATE.LAUNCH && ( <> <p> <Trans i18nKey={`openDesktopApp.${ offerForAll ? '' : 'notSupported.' }pressOpenApp`} components={{ bold: <span className={styles.marked} />, }} /> </p> {offerForAll && ( <p> <Trans i18nKey="openDesktopApp.textOpen" />{' '} <span className={styles.marked}> <Trans i18nKey="openDesktopApp.eventOpen" /> </span>{' '} <Trans i18nKey="openDesktopApp.down" /> </p> )} <EventOpenInAppButton disabled={false} onClick={handleOpenApp} notSupportedBrowser={!offerForAll} /> <DownloadAppButton baseTestId={baseTestId} onClick={handleDownloadApp} /> {openInBrowser} </> )} </div> </InfoScreen> )} <ActionDialog containedSubmit title={t('openDesktopApp.modal.title')} opened={isModalOpened} submitText={t('openDesktopApp.modal.downloadBtn')} cancelText={t('openDesktopApp.modal.cancelBtn')} onSubmit={() => { downloadApp(); setModalOpened(false); }} onClose={() => setModalOpened(false)} > <DialogContentText> <Trans i18nKey="openDesktopApp.modal.text" /> </DialogContentText> </ActionDialog> <ModalJwtRequestFailed open={isJwtModalOpened} onClose={() => setJwtModalOpened(false)} errorText={jwtErrorTextRef.current} notSupportedBrowser={notSupportedBrowser} contentRenderer={ notSupportedBrowser ? ( <DownloadAppButton baseTestId={baseTestId} onClick={handleDownloadApp} /> ) : ( <EventOpenInBrowserButton onClick={() => { setJwtModalOpened(false); handleOpenInBrowser(); }} showHintText={false} /> ) } /> </> ); }; const EventOpenInAppButton = ({ disabled, onClick, notSupportedBrowser, }: { disabled: boolean; onClick: (event: MouseEvent<HTMLButtonElement>) => void; notSupportedBrowser?: boolean; }) => ( <p> <Button disabled={disabled} variant="contained" color="primary" className={styles.eventOpenButton} onClick={onClick} {...createTestIdProps(baseTestId, 'eventOpen')} > <Trans i18nKey={`openDesktopApp.${notSupportedBrowser ? 'notSupported.' : ''}eventOpen`} /> </Button> </p> ); const EventOpenInBrowserButton = ({ onClick, showHintText = true, }: { onClick: () => void; showHintText?: boolean; }) => ( <p className={styles.secondaryText}> {showHintText && <Trans i18nKey="openDesktopApp.hasProblems" />} <br /> <A color="primary" onClick={onClick} className={styles.boldLink} {...createTestIdProps(baseTestId, 'openInBrowser')} > <Trans i18nKey="openDesktopApp.openInBrowser" /> </A> </p> ); enum LinkType { CHROME = 'chrome', YANDEX = 'yandex', EDGE = 'edge', MOBILE_APP = 'mobile_app', } type BrowserNotSupportedMessageProps = { onClick: (type: LinkType) => void; }; const BrowserNotSupportedMessage = ({ onClick }: BrowserNotSupportedMessageProps) => ( <p className={styles.notSupported}> <Trans i18nKey="openDesktopApp.notSupported.text" components={{ chrome: ( <ChromeLink onClick={() => onClick(LinkType.CHROME)} {...createTestIdProps(baseTestId, 'chrome')} /> ), edge: ( <EdgeLink onClick={() => onClick(LinkType.EDGE)} {...createTestIdProps(baseTestId, 'edge')} /> ), yandex: ( <YandexBrowserLink onClick={() => onClick(LinkType.YANDEX)} {...createTestIdProps(baseTestId, 'yandex')} /> ), mobile: ( <A color="primary" href="https://help.webinar.ru/ru/articles/1518961-участникам-что-нужно-для-участия-в-вебинаре" className={styles.link} onClick={() => onClick(LinkType.MOBILE_APP)} target="_blank" rel="noopener noreferrer" {...createTestIdProps(baseTestId, 'mobile')} /> ), }} /> </p> ); const bold = { components: { bold: <span className={styles.marked} /> } }; const DownloadingHintTextChrome = () => ( <> <Trans i18nKey="openDesktopApp.hint.chrome" components={{ bold: <span className={styles.marked} /> }} /> <br /> <Trans i18nKey="openDesktopApp.hint.openApp" values={{ appFileName: getDesktopAppFileName(), }} components={{ bold: <span className={styles.marked} /> }} /> </> ); const DownloadingHintText = () => { const isDoubleClick = isSafari || isOpera; return ( <> <Trans i18nKey="openDesktopApp.hint.pressDownload" values={{ downloads: ( <span className={styles.marked}> <Trans i18nKey="openDesktopApp.hint.downloads" /> </span> ), }} {...bold} /> <br /> <Trans i18nKey={`openDesktopApp.hint.openApp${isDoubleClick ? 'Dbl' : ''}`} values={{ appFileName: getDesktopAppFileName(), }} {...bold} /> </> ); }; const DownloadingHint = ({ open }: { open: boolean }) => { const hintRef = useRef<HTMLDivElement>(null); let TextComponent; if (isChrome) { TextComponent = DownloadingHintTextChrome; } else if (isFirefox || isChromiumEdge || isSafari || isOpera || isYaBrowser) { TextComponent = DownloadingHintText; } if (!TextComponent) { return null; } return ( <> <Popover open={Boolean(open && hintRef.current)} anchorEl={hintRef.current}> <TextComponent /> </Popover> <div ref={hintRef} className={isChrome ? styles.hintDownloadingBottom : styles.hintDownloading} /> </> ); }; src\utils\customProtocolCheck.ts import { isChrome, isFirefox, isIE, isEdge, os, OS_MAC } from './browser'; type OpenUriFunction = (uri: string, failCb: () => void, successCb: () => void) => void; let DEFAULT_CUSTOM_PROTOCOL_FAIL_CALLBACK_TIMEOUT = 1000; const isOSX = os === OS_MAC; const registerEvent = (target: Window, eventType: string, cb: () => void) => { target.addEventListener(eventType, cb); return { remove: function () { target.removeEventListener(eventType, cb); }, }; }; const createHiddenIframe = (target: HTMLElement, uri: string) => { const iframe = document.createElement('iframe'); iframe.src = uri; iframe.id = 'hiddenIframe'; iframe.style.display = 'none'; target.appendChild(iframe); return iframe; }; const openUriWithHiddenFrame: OpenUriFunction = (uri, failCb, successCb) => { const timeout = setTimeout(function () { failCb(); handler.remove(); }, DEFAULT_CUSTOM_PROTOCOL_FAIL_CALLBACK_TIMEOUT); let iframe = document.querySelector('#hiddenIframe'); if (!iframe) { iframe = createHiddenIframe(document.body, 'about:blank'); } const onBlur = () => { clearTimeout(timeout); handler.remove(); successCb(); }; const handler = registerEvent(window, 'blur', onBlur); if (iframe instanceof HTMLIFrameElement && iframe?.contentWindow) { iframe.contentWindow.location.href = uri; } }; const openUriWithTimeoutHack: OpenUriFunction = (uri, failCb, successCb) => { const timeout = setTimeout(function () { failCb(); handler.remove(); }, DEFAULT_CUSTOM_PROTOCOL_FAIL_CALLBACK_TIMEOUT); let target: Window = window; while (target.parent && target !== target.parent) { target = target.parent; } const onBlur = () => { clearTimeout(timeout); handler.remove(); successCb(); }; const handler = registerEvent(target, 'blur', onBlur); window.location.href = uri; }; const openUriUsingFirefox: OpenUriFunction = (uri, failCb, successCb) => { let iframe = document.querySelector('#hiddenIframe'); if (!iframe) { iframe = createHiddenIframe(document.body, 'about:blank'); } try { if (iframe instanceof HTMLIFrameElement && iframe?.contentWindow) { iframe.contentWindow.location.href = uri; successCb(); } } catch (error: unknown) { if (error instanceof Error && error.name === 'NS_ERROR_UNKNOWN_PROTOCOL') { failCb(); } } }; const openUriWithMsLaunchUri: OpenUriFunction = (uri, failCb, successCb) => { const navigatorWithMsLaunchUri = navigator as Navigator & { msLaunchUri?: ( uri: string, successCallback?: () => void, noHandlerCallback?: () => void, ) => void; }; if (navigatorWithMsLaunchUri.msLaunchUri) { navigatorWithMsLaunchUri.msLaunchUri(uri, successCb, failCb); } }; const getBrowserVersion = (): number => { const ua = window.navigator.userAgent; let tem, M = ua.match(/(opera|chrome|safari|firefox|msie|trident(?=\/))\/?\s*(\d+)/i) || []; if (/trident/i.test(M[1])) { tem = /\brv[ :]+(\d+)/g.exec(ua) || []; return parseFloat(tem[1]) || 0; } if (M[1] === 'Chrome') { tem = ua.match(/\b(OPR|Edge)\/(\d+)/); if (tem != null) { return parseFloat(tem[2]); } } M = M[2] ? [M[1], M[2]] : [window.navigator.appName, window.navigator.appVersion, '-?']; if ((tem = ua.match(/version\/(\d+)/i)) != null) { M.splice(1, 1, tem[1]); } return parseFloat(M[1]); }; export const protocolCheck = ( uri: string, failCb?: () => void, successCb?: () => void, timeout = 2000, unsupportedCb?: () => void, ) => { const failCallback = () => { failCb && failCb(); }; const successCallback = () => { successCb && successCb(); }; const unsupportedCallback = () => { unsupportedCb && unsupportedCb(); }; const openUri = () => { if (isFirefox) { const browserVersion = getBrowserVersion(); if (browserVersion >= 64) { openUriWithHiddenFrame(uri, failCallback, successCallback); } else { openUriUsingFirefox(uri, failCallback, successCallback); } } else if (isChrome) { openUriWithTimeoutHack(uri, failCallback, successCallback); } else if (isOSX) { openUriWithHiddenFrame(uri, failCallback, successCallback); } else { unsupportedCallback(); } }; if (timeout) { DEFAULT_CUSTOM_PROTOCOL_FAIL_CALLBACK_TIMEOUT = timeout; } if (isEdge || isIE) { openUriWithMsLaunchUri(uri, failCallback, successCallback); } else { openUri(); } }; src\components\BeforeStreamStartCheckScenario\screens\NewOpenDesktopAppScreen\translations.ts import { injectTranslations } from 'i18n'; const translations = { ru: { title: { joinMeeting: 'Подключение к встрече', joinWebinar: 'Подключение к мероприятию', unsupportedBrowser: 'К сожалению, МТС Линк не работает в\nвашем браузере', }, description: { joinMeeting: 'Подключитесь к встрече с помощью приложения МТС Линк или общайтесь прямо в браузере', joinWebinar: 'Подключитесь к мероприятию с помощью приложения МТС Линк или общайтесь прямо в браузере', downloadApp: 'Скачайте и установите приложение МТС Линк для вашего компьютера с помощью кнопки ниже или воспользуйтесь такими браузерами, как Google Chrome, Яндекс Браузер или Microsoft Edge', unsupportedBrowserMeeting: 'Присоединитесь к встрече с помощью приложения МТС Линк или воспользуйтесь такими браузерами, как Google Chrome, Яндекс Браузер или Microsoft Edge', unsupportedBrowserWebinar: 'Присоединитесь к мероприятию с помощью приложения МТС Линк или воспользуйтесь такими браузерами, как Google Chrome, Яндекс Браузер или Microsoft Edge', }, mainButton: { openInApp: 'Присоединиться в приложении МТС ЛИНК', downloadApp: 'Скачать приложение МТС Линк', }, secondaryButton: { openInBrowser: 'Продолжить в браузере', }, helper: { downloadApp: 'Если приложение не установлено, <downloadApp>скачайте его сейчас</downloadApp>', openInApp: 'Если приложение уже установлено, <openInApp>откройте его сейчас</openInApp>', }, downloadModal: { meetingTitle: 'Открыть встречу в приложении', webinarTitle: 'Открыть мероприятие в приложении', firstStep: 'Дождитесь окончания загрузки приложения', secondStep: 'Установите его', thirdStepMeeting: '<openInApp>Присоединитесь</openInApp> к встрече', thirdStepWebinar: '<openInApp>Присоединитесь</openInApp> к мероприятию', }, }, en: { title: { joinMeeting: 'Connecting to the meeting', joinWebinar: 'Connecting to the event', unsupportedBrowser: "Unfortunately, MTS Link doesn't work in your browser", }, description: { joinMeeting: 'Connect to the meeting using the MTS Link app or communicate directly in your browser', joinWebinar: 'Connect to the event using the MTS Link app or communicate directly in the browser', downloadApp: 'Install the MTS Link app for your computer using the button below or use browsers like Google Chrome, Yandex Browser or Microsoft Edge', unsupportedBrowserMeeting: 'Join the meeting using the MTS Link app or use browsers like Google Chrome, Yandex Browser or Microsoft Edge', unsupportedBrowserWebinar: 'Join the event using the MTS Link app or use browsers like Google Chrome, Yandex Browser or Microsoft Edge', }, mainButton: { openInApp: 'Join in the MTS Link app', downloadApp: 'Download the MTS Link app', }, secondaryButton: { openInBrowser: 'Continue in the browser', }, helper: { downloadApp: "If you don't have the app installed, <downloadApp>download it now</downloadApp>", openInApp: 'If the app is already installed, <openInApp>open it now</openInApp>', }, downloadModal: { meetingTitle: 'Open the meeting in the app', webinarTitle: 'Open the event in the app', firstStep: 'Wait for the app to finish downloading', secondStep: 'Install it', thirdStepMeeting: '<openInApp>Join</openInApp> the meeting', thirdStepWebinar: '<openInApp>Join</openInApp> the event', }, }, }; export const TRANS_NS = 'NewOpenDesktopAppScreen'; injectTranslations(TRANS_NS, translations); src\components\BeforeStreamStartCheckScenario\screens\NewOpenDesktopAppScreen\NewOpenDesktopAppScreen.tsx import { useEffect, useState, ReactNode, useCallback } from 'react'; import { Trans, useTranslation } from 'react-i18next'; import { useSelector } from 'react-redux'; import { EventLandingTopbar } from '@wbnr/frontend-shared/lib/components/EventLandingView'; import { OS_LINUX, OS_MAC, OS_WIN, os } from '@wbnr/frontend-utils/lib/browser'; import { AppleIcon, LinuxIcon, WindowsIcon } from '@wbnr/icons'; import { A, Button, createTestIdProps, DarkTheme, Paper, Typography } from '@wbnr/ui'; import WaitLoad from 'components/WaitLoad'; import { brandingInterfaceLogoLinkSelector, brandingLandingLogoImageSelector, } from 'store/selectors/branding'; import { isMeetingSelector } from 'store/selectors/stream'; import { STATE } from '../OpenDesktopAppScreen'; import { useLaunchMeetingInAppDialog } from './LaunchMeetingInAppDialog'; import styles from './NewOpenDesktopAppScreen.module.scss'; import { TRANS_NS } from './translations'; const baseTestId = 'NewOpenDesktopAppScreen'; type NewOpenDesktopAppScreenProps = { handleOpenApp: () => void; handleOpenInBrowser: () => void; handleDownloadApp: () => void; state: STATE; notSupportedBrowser?: boolean; }; type StateDescription = { title: string; description: string; mainButton: string; secondaryButton: string | null; helper: string; onMainButtonClick: () => void; onSecondaryButtonClick: null | (() => void); startIcon?: ReactNode; }; export const NewOpenDesktopAppScreen = ({ handleOpenApp, handleOpenInBrowser, handleDownloadApp, state, notSupportedBrowser, }: NewOpenDesktopAppScreenProps) => { const { t } = useTranslation(TRANS_NS); const [stateDescription, setStateDescription] = useState<StateDescription | null>(null); const isMeeting = useSelector(isMeetingSelector); const brandingLogoImage = useSelector(brandingLandingLogoImageSelector); const brandingLogoUrl = useSelector(brandingInterfaceLogoLinkSelector); const [openDialog] = useLaunchMeetingInAppDialog({ handleOpenApp }); const getBrowserIcon = () => { if (os === OS_WIN) { return <WindowsIcon />; } if (os === OS_MAC) { return <AppleIcon />; } if (os === OS_LINUX) { return <LinuxIcon />; } }; const onDownloadAppClick = useCallback(() => { handleDownloadApp(); openDialog(); }, [handleDownloadApp, openDialog]); useEffect(() => { if (state === STATE.LAUNCH && notSupportedBrowser) { setStateDescription({ title: 'title.unsupportedBrowser', description: isMeeting ? 'description.unsupportedBrowserMeeting' : 'description.unsupportedBrowserWebinar', mainButton: 'mainButton.openInApp', secondaryButton: null, helper: 'helper.downloadApp', onMainButtonClick: handleOpenApp, onSecondaryButtonClick: null, }); } if (state === STATE.LAUNCH && !notSupportedBrowser) { setStateDescription({ title: isMeeting ? 'title.joinMeeting' : 'title.joinWebinar', description: isMeeting ? 'description.joinMeeting' : 'description.joinWebinar', mainButton: 'mainButton.openInApp', secondaryButton: 'secondaryButton.openInBrowser', helper: 'helper.downloadApp', onMainButtonClick: handleOpenApp, onSecondaryButtonClick: handleOpenInBrowser, }); } if (state === STATE.DOWNLOAD_APP && notSupportedBrowser) { setStateDescription({ title: 'title.unsupportedBrowser', description: 'description.downloadApp', mainButton: 'mainButton.downloadApp', secondaryButton: null, helper: 'helper.openInApp', onMainButtonClick: onDownloadAppClick, onSecondaryButtonClick: null, startIcon: getBrowserIcon(), }); } if (state === STATE.DOWNLOAD_APP && !notSupportedBrowser) { setStateDescription({ title: isMeeting ? 'title.joinMeeting' : 'title.joinWebinar', description: isMeeting ? 'description.joinMeeting' : 'description.joinWebinar', mainButton: 'mainButton.downloadApp', secondaryButton: 'secondaryButton.openInBrowser', helper: 'helper.openInApp', onMainButtonClick: onDownloadAppClick, onSecondaryButtonClick: handleOpenInBrowser, startIcon: getBrowserIcon(), }); } }, [ state, handleOpenApp, handleOpenInBrowser, onDownloadAppClick, notSupportedBrowser, isMeeting, ]); return ( <WaitLoad loading={state === STATE.LOADING || !stateDescription}> {() => ( <DarkTheme> <EventLandingTopbar logoUrl={brandingLogoUrl || 'https://mts-link.ru'} logoImageUrl={brandingLogoImage} /> <div className={styles.wrapper}> {stateDescription && ( <> <Paper className={styles.paper}> <Typography variant="h5"> {t(stateDescription.title)} </Typography> <Typography variant="subtitle2" className={styles.description}> {t(stateDescription.description)} </Typography> <Button variant="contained" color="primary" fullWidth className={styles.mainButton} onClick={stateDescription.onMainButtonClick} startIcon={stateDescription.startIcon || null} {...createTestIdProps(baseTestId, 'mainButton')} > {t(stateDescription.mainButton)} </Button> {stateDescription.secondaryButton && stateDescription.onSecondaryButtonClick && ( <Button variant="text" fullWidth onClick={stateDescription.onSecondaryButtonClick} {...createTestIdProps( baseTestId, 'secondaryButton', )} > {t(stateDescription.secondaryButton)} </Button> )} </Paper> <Typography variant="body2" className={styles.downloadAppText}> <Trans t={t} i18nKey={t(stateDescription.helper)} components={{ downloadApp: ( <A onClick={handleDownloadApp} className={styles.appLink} {...createTestIdProps( baseTestId, 'downloadApp', )} /> ), openInApp: ( <A onClick={handleOpenApp} className={styles.appLink} {...createTestIdProps(baseTestId, 'openInApp')} /> ), }} /> </Typography> </> )} </div> </DarkTheme> )} </WaitLoad> ); }; src\components\BeforeStreamStartCheckScenario\screens\NewOpenDesktopAppScreen\LaunchMeetingInAppDialog\useLaunchMeetingInAppDialog.tsx import { useCustomDialog } from '@wbnr/frontend-shared/lib/dialogs'; import { LaunchMeetingInAppDialog, DevicesAccessHelpDialogData } from './LaunchMeetingInAppDialog'; export const useLaunchMeetingInAppDialog = (defaultProps: DevicesAccessHelpDialogData) => { return useCustomDialog( ({ opened, closeDialog, props }) => ( <LaunchMeetingInAppDialog opened={opened} onClose={closeDialog} {...props} /> ), defaultProps, ); }; src\components\BeforeStreamStartCheckScenario\screens\NewOpenDesktopAppScreen\LaunchMeetingInAppDialog\LaunchMeetingInAppDialog.tsx import { FC } from 'react'; import { Trans, useTranslation } from 'react-i18next'; import { useSelector } from 'react-redux'; import { ActionDialogBase, Typography, Grid, A } from '@wbnr/ui'; import { isMeetingSelector } from 'store/selectors/stream'; import workTableImg from '../../../../../images/workTable.png'; import { TRANS_NS } from '../translations'; import styles from './LaunchMeetingInAppDialog.module.scss'; export interface DevicesAccessHelpDialogData { handleOpenApp: () => void; } interface DevicesAccessHelpDialogProps extends DevicesAccessHelpDialogData { opened: boolean; onClose: () => void; } export const LaunchMeetingInAppDialog: FC<DevicesAccessHelpDialogProps> = ({ opened, onClose, handleOpenApp, }) => { const { t } = useTranslation(TRANS_NS); const isMeeting = useSelector(isMeetingSelector); return ( <ActionDialogBase maxWidth="lg" opened={opened} closeButton onClose={onClose}> <div className={styles.container}> <img className={styles.img} src={workTableImg} /> <Grid container direction="column" justifyContent="center"> <Typography variant={'h6'}> {isMeeting ? t('downloadModal.meetingTitle') : t('downloadModal.webinarTitle')} </Typography> <ol> <li> <Typography variant={'body1'}> {t('downloadModal.firstStep')} </Typography> </li> <li> <Typography variant={'body1'}> {t('downloadModal.secondStep')} </Typography> </li> <li> <Typography variant={'body1'}> <Trans t={t} i18nKey={ isMeeting ? t('downloadModal.thirdStepMeeting') : t('downloadModal.thirdStepWebinar') } components={{ openInApp: ( <A onClick={handleOpenApp} className={styles.downloadAppLink} /> ), }} /> </Typography> </li> </ol> </Grid> </div> </ActionDialogBase> ); }; import { useMemo, useEffect, useCallback } from 'react'; import { getUniqueDialogId } from '../getUniqueDialogId'; import { useCustomDialogCallbacks } from './useCustomDialogCallbacks'; import { DialogDescription, DialogRenderFunc, OpenDialogOptions, UseCustomDialogProps, } from './types'; type OpenCustomDialog<P> = (props?: Partial<P>, options?: OpenDialogOptions) => void; type CloseCustomDialog = () => void; const DEFAULT_PROPS: DialogDescription['defaultProps'] = {}; export const useCustomDialog = <P extends UseCustomDialogProps>( render: DialogRenderFunc<P>, defaultProps?: Partial<P>, ) => { const { registerDialog, unregisterDialog, openDialog, closeDialog } = useCustomDialogCallbacks(); const id = useMemo(getUniqueDialogId, []); useEffect(() => { registerDialog({ id, defaultProps: defaultProps || DEFAULT_PROPS, render, }); }, [defaultProps, id, registerDialog, render]); useEffect( () => () => { unregisterDialog(id); }, [unregisterDialog, id], ); const openCustomDialog = useCallback<OpenCustomDialog<P>>( (props, options) => { openDialog(id, props, options); }, [openDialog, id], ); const closeCustomDialog = useCallback<CloseCustomDialog>(() => { closeDialog(id); }, [closeDialog, id]); return [openCustomDialog, closeCustomDialog] as const; }; Исправь логику для открытия модалки и инстукции. Мне нужно что бы инструция была отдельно. и снизу не было ничего, отдельный роут нельзя. Вот как сейчас " import { MouseEvent, useCallback, useEffect, useRef, useState } from 'react'; import { Trans, useTranslation } from 'react-i18next'; import { useSelector } from 'react-redux'; import { trackUserAction } from '@wbnr/frontend-shared/lib/api'; import { DownloadAppButton } from '@wbnr/frontend-shared/lib/components/DownloadAppButton'; import { ModalJwtRequestFailed } from '@wbnr/frontend-shared/lib/components/ModalJwtRequestFailed'; import { isChrome, isChromiumEdge, isFirefox, isOpera, isSafari, isYaBrowser, os, OS_LINUX, } from '@wbnr/frontend-utils/lib/browser'; import { appLocalStorage } from '@wbnr/frontend-utils/lib/browserStorage'; import { A, ActionDialog, Button, CircularProgress, createTestIdProps, DialogContentText, } from '@wbnr/ui'; import { ChromeLink } from 'components/appLinks/ChromeLink'; import { EdgeLink } from 'components/appLinks/EdgeLink'; import { YandexBrowserLink } from 'components/appLinks/YandexBrowserLink'; import { InstructionDialog } from 'components/BeforeStreamStartCheckScenario/screens/InstructionDialog/InstructionDialog'; import { InfoScreen } from 'components/Interface/InfoScreen'; import { FEATURE_KEYS } from 'constants/features'; import streamController from 'controllers/stream'; import { useTryOpenApp } from 'hooks/useTryOpenApp'; import { streamFeatureSelector, currentParticipationSelector } from 'store/selectors/common'; import { desktopAppForMyParticipationSelector } from 'store/selectors/desktop'; import { isOnboardingMeetingSelector, streamSessionSelector } from 'store/selectors/stream'; import { getDesktopAppFileName } from 'utils/getDesktopAppUrl'; import { useTrackWithMixPanel } from 'utils/track'; import infoImage from '../../../../images/illustration_059.png'; import Popover from '../../../Popovers/Popover'; import { NewOpenDesktopAppScreen } from '../NewOpenDesktopAppScreen'; import styles from './OpenDesktopApp.module.scss'; const STORAGE_KEY = 'download_launch'; const DOWNLOADING_SCREEN_TIMEOUT = 5000; const baseTestId = 'OpenDesktopAppScreen'; type Props = { onOpen?: () => void; trackingData?: { reason: string; error?: string; }; notSupportedBrowser?: boolean; }; export enum STATE { LOADING = 'loading', DOWNLOAD_APP = 'download_app', APP_DOWNLOADED = 'app_downloaded', LAUNCH = 'launch', } export const OpenDesktopAppScreen = ({ onOpen, trackingData, notSupportedBrowser }: Props) => { const { t } = useTranslation(); const [state, setState] = useState(STATE.LOADING); const [isHintVisible, setHintVisible] = useState(false); const [isModalOpened, setModalOpened] = useState(false); const [isJwtModalOpened, setJwtModalOpened] = useState(false); const [showInstructionScreen, setShowInstructionScreen] = useState(false); const jwtErrorTextRef = useRef<string | null>(null); const isOnboardingMeeting = useSelector(isOnboardingMeetingSelector); const offerForAll = !notSupportedBrowser; const features = useSelector(streamFeatureSelector); const desktopAppForMyParticipation = useSelector(desktopAppForMyParticipationSelector); const desktopDisableAutoDownload = features[FEATURE_KEYS.DESKTOP_DISABLED_AUTO_DOWNLOAD]; const { track: trackShowScreen } = useTrackWithMixPanel( trackingData ? 'rtc_bad_browser_screen' : 'open_desktop_app_screen', isOnboardingMeeting, ); const { track: trackAction } = useTrackWithMixPanel( trackingData ? 'rtc_bad_browser_screen_picked_option' : 'open_desktop_app_screen_action', isOnboardingMeeting, ); const participant = useSelector(currentParticipationSelector); const hasParticipantToken = Boolean(participant?.token || participant?.url); const { tryOpenApp, downloadApp: baseDownloadApp } = useTryOpenApp(); const { id: eventSessionId, event: { id: eventId }, } = useSelector(streamSessionSelector); useEffect(() => { if (!features[FEATURE_KEYS.WITHOUT_WEBROOM_INIT]) { streamController.screenSharing.setIgnoreComet(true); return () => { streamController.screenSharing.setIgnoreComet(false); }; } }, [features]); useEffect(() => { trackShowScreen(); }, [trackShowScreen]); useEffect(() => { if (eventSessionId && eventId) { trackUserAction({ action: offerForAll ? 'event_session_desktop_page' : 'event_session_unsupported_page_entered', eventSessionId, eventId, }); } }, [eventSessionId, eventId, offerForAll]); const handleAnalyticsPickOption = useCallback( (type: string) => { let actionName; switch (type) { case LinkType.CHROME: actionName = 'event_session_unsupported_page_open_Chrome_clicked'; break; case LinkType.EDGE: actionName = 'event_session_unsupported_page_open_Edge_clicked'; break; case LinkType.YANDEX: actionName = 'event_session_unsupported_page_open_Yandex_clicked'; break; case LinkType.MOBILE_APP: actionName = 'event_session_unsupported_page_open_mobile_clicked'; break; default: break; } if (actionName) { trackUserAction({ action: actionName, eventSessionId, eventId, }); } if (trackingData) { const { reason, error } = trackingData; trackAction({ reason, error, pickedOption: type, }); } else { trackAction({ action: type, }); } }, [eventId, eventSessionId, trackAction, trackingData], ); const handleTryOpenApp = useCallback( (onFailed: () => void) => { return tryOpenApp( onFailed, () => { setState(STATE.LAUNCH); }, (link: string) => { handleAnalyticsPickOption('not_supported'); // браузер не поддерживается в custom-protocol-check, пытаемся открыть приложение window.location.href = link; setState(STATE.LAUNCH); }, handleJwtError, ); }, [tryOpenApp, handleAnalyticsPickOption], ); const handleJwtError = (error: string) => { jwtErrorTextRef.current = error; setJwtModalOpened(true); }; const handleOpenApp = useCallback(() => { if (hasParticipantToken || state === STATE.LAUNCH) { handleAnalyticsPickOption('desktop_app'); handleTryOpenApp(() => { setModalOpened(true); }); setHintVisible(false); trackUserAction({ action: offerForAll ? 'event_session_desktop_page_enter_event_clicked' : 'event_session_unsupported_page_open_desktop_clicked', eventSessionId, eventId, }); } }, [ hasParticipantToken, handleAnalyticsPickOption, handleTryOpenApp, offerForAll, eventSessionId, eventId, state, ]); const handleOpenInBrowser = () => { handleAnalyticsPickOption('open_in_browser'); if (onOpen) { onOpen(); } }; const downloadApp = useCallback(() => { baseDownloadApp(); handleAnalyticsPickOption('desktop_app_download'); appLocalStorage.setItem(STORAGE_KEY, `${Number(new Date())}`); }, [baseDownloadApp, handleAnalyticsPickOption]); const handleDownloadApp = useCallback(() => { downloadApp(); setHintVisible(false); trackUserAction({ action: offerForAll ? 'event_session_desktop_page_download_desktop_clicked ' : 'event_session_unsupported_page_download_desktop_clicked', eventSessionId, eventId, }); }, [downloadApp, eventId, offerForAll, eventSessionId]); useEffect(() => { let timerId: number; if (hasParticipantToken) { handleTryOpenApp(() => { if (os === OS_LINUX || desktopDisableAutoDownload) { setState(STATE.LAUNCH); return; } const lastDownload = appLocalStorage.getItem(STORAGE_KEY); if (lastDownload) { setState(STATE.LAUNCH); } else { setState(STATE.DOWNLOAD_APP); if (desktopAppForMyParticipation) { handleAnalyticsPickOption('desktop_app_auto_download'); setHintVisible(true); downloadApp(); timerId = window.setTimeout( () => setState(STATE.APP_DOWNLOADED), DOWNLOADING_SCREEN_TIMEOUT, ); } } }); } else { setState(STATE.LAUNCH); } return () => { if (timerId) { clearTimeout(timerId); } }; // eslint-disable-next-line react-hooks/exhaustive-deps }, [hasParticipantToken, desktopDisableAutoDownload]); const openInBrowser = notSupportedBrowser ? ( <BrowserNotSupportedMessage onClick={handleAnalyticsPickOption} /> ) : ( <EventOpenInBrowserButton onClick={() => { trackUserAction({ action: 'event_session_desktop_page_download_enter_event_browser_clicked', eventSessionId, eventId, }); handleOpenInBrowser(); }} /> ); return ( <> <DownloadingHint open={isHintVisible} /> {!desktopAppForMyParticipation && ( <NewOpenDesktopAppScreen handleOpenApp={handleOpenApp} handleOpenInBrowser={() => { trackUserAction({ action: 'event_session_desktop_page_download_enter_event_browser_clicked', eventSessionId, eventId, }); handleOpenInBrowser(); }} handleDownloadApp={handleDownloadApp} state={state} notSupportedBrowser={notSupportedBrowser} /> )} {desktopAppForMyParticipation && ( <InfoScreen img={<img src={infoImage} alt="" />}> <div className={styles.text}> {state === STATE.LOADING && <CircularProgress />} {state === STATE.DOWNLOAD_APP && ( <> <p> <CircularProgress /> </p> <p className={styles.marked}> <Trans i18nKey="openDesktopApp.appDownloading" /> </p> <p className={styles.appInstalledText}> <span className={styles.secondaryText}> <Trans i18nKey="openDesktopApp.appInstalled" /> </span> <EventOpenInAppButton disabled={false} onClick={handleOpenApp} notSupportedBrowser={!offerForAll} /> </p> </> )} {state === STATE.APP_DOWNLOADED && ( <> <p> <Trans i18nKey="openDesktopApp.appDownloaded" />{' '} <span className={styles.marked}> <Trans i18nKey={`openDesktopApp.${ offerForAll ? '' : 'notSupported.' }eventOpen`} /> </span>{' '} </p> <EventOpenInAppButton disabled={!hasParticipantToken} onClick={handleOpenApp} notSupportedBrowser={!offerForAll} /> <DownloadAppButton onClick={handleDownloadApp} baseTestId={baseTestId} /> {openInBrowser} </> )} {state === STATE.LAUNCH && ( <> <p> <Trans i18nKey={`openDesktopApp.${ offerForAll ? '' : 'notSupported.' }pressOpenApp`} components={{ bold: <span className={styles.marked} />, }} /> </p> {offerForAll && ( <p> <Trans i18nKey="openDesktopApp.textOpen" />{' '} <span className={styles.marked}> <Trans i18nKey="openDesktopApp.eventOpen" /> </span>{' '} <Trans i18nKey="openDesktopApp.down" /> </p> )} <EventOpenInAppButton disabled={false} onClick={handleOpenApp} notSupportedBrowser={!offerForAll} /> <DownloadAppButton baseTestId={baseTestId} onClick={handleDownloadApp} /> {openInBrowser} </> )} </div> </InfoScreen> )} {!showInstructionScreen ? ( <ActionDialog containedSubmit title="Приложение МТС Линк не установлено" opened={isModalOpened} submitText="Скачать приложение" cancelText="Отмена" classes={{ dialog: styles.ActionDialog }} onSubmit={() => { downloadApp(); setModalOpened(false); setShowInstructionScreen(true); }} onClose={() => setModalOpened(false)} > <DialogContentText>Скачайте и установите приложение МТС Линк</DialogContentText> </ActionDialog> ) : ( <InstructionDialog opened={showInstructionScreen} onClose={() => setShowInstructionScreen(false)} onJoinViaApp={handleOpenApp} onBack={() => setShowInstructionScreen(false)} /> )} {/* <ActionDialog containedSubmit title={t('openDesktopApp.modal.title')} opened={isModalOpened} submitText={t('openDesktopApp.modal.downloadBtn')} cancelText={t('openDesktopApp.modal.cancelBtn')} classes={{ dialog: styles.ActionDialog }} onSubmit={() => { downloadApp(); setModalOpened(false); }} onClose={() => setModalOpened(false)} > <DialogContentText> <Trans i18nKey="openDesktopApp.modal.text" /> </DialogContentText> </ActionDialog> */} <ModalJwtRequestFailed open={isJwtModalOpened} onClose={() => setJwtModalOpened(false)} errorText={jwtErrorTextRef.current} notSupportedBrowser={notSupportedBrowser} contentRenderer={ notSupportedBrowser ? ( <DownloadAppButton baseTestId={baseTestId} onClick={handleDownloadApp} /> ) : ( <EventOpenInBrowserButton onClick={() => { setJwtModalOpened(false); handleOpenInBrowser(); }} showHintText={false} /> ) } /> </> ); }; const EventOpenInAppButton = ({ disabled, onClick, notSupportedBrowser, }: { disabled: boolean; onClick: (event: MouseEvent<HTMLButtonElement>) => void; notSupportedBrowser?: boolean; }) => ( <p> <Button disabled={disabled} variant="contained" color="primary" className={styles.eventOpenButton} onClick={onClick} {...createTestIdProps(baseTestId, 'eventOpen')} > <Trans i18nKey={`openDesktopApp.${notSupportedBrowser ? 'notSupported.' : ''}eventOpen`} /> </Button> </p> ); const EventOpenInBrowserButton = ({ onClick, showHintText = true, }: { onClick: () => void; showHintText?: boolean; }) => ( <p className={styles.secondaryText}> {showHintText && <Trans i18nKey="openDesktopApp.hasProblems" />} <br /> <A color="primary" onClick={onClick} className={styles.boldLink} {...createTestIdProps(baseTestId, 'openInBrowser')} > <Trans i18nKey="openDesktopApp.openInBrowser" /> </A> </p> ); enum LinkType { CHROME = 'chrome', YANDEX = 'yandex', EDGE = 'edge', MOBILE_APP = 'mobile_app', } type BrowserNotSupportedMessageProps = { onClick: (type: LinkType) => void; }; const BrowserNotSupportedMessage = ({ onClick }: BrowserNotSupportedMessageProps) => ( <p className={styles.notSupported}> <Trans i18nKey="openDesktopApp.notSupported.text" components={{ chrome: ( <ChromeLink onClick={() => onClick(LinkType.CHROME)} {...createTestIdProps(baseTestId, 'chrome')} /> ), edge: ( <EdgeLink onClick={() => onClick(LinkType.EDGE)} {...createTestIdProps(baseTestId, 'edge')} /> ), yandex: ( <YandexBrowserLink onClick={() => onClick(LinkType.YANDEX)} {...createTestIdProps(baseTestId, 'yandex')} /> ), mobile: ( <A color="primary" href="https://help.webinar.ru/ru/articles/1518961-участникам-что-нужно-для-участия-в-вебинаре" className={styles.link} onClick={() => onClick(LinkType.MOBILE_APP)} target="_blank" rel="noopener noreferrer" {...createTestIdProps(baseTestId, 'mobile')} /> ), }} /> </p> ); const bold = { components: { bold: <span className={styles.marked} /> } }; const DownloadingHintTextChrome = () => ( <> <Trans i18nKey="openDesktopApp.hint.chrome" components={{ bold: <span className={styles.marked} /> }} /> <br /> <Trans i18nKey="openDesktopApp.hint.openApp" values={{ appFileName: getDesktopAppFileName(), }} components={{ bold: <span className={styles.marked} /> }} /> </> ); const DownloadingHintText = () => { const isDoubleClick = isSafari || isOpera; return ( <> <Trans i18nKey="openDesktopApp.hint.pressDownload" values={{ downloads: ( <span className={styles.marked}> <Trans i18nKey="openDesktopApp.hint.downloads" /> </span> ), }} {...bold} /> <br /> <Trans i18nKey={`openDesktopApp.hint.openApp${isDoubleClick ? 'Dbl' : ''}`} values={{ appFileName: getDesktopAppFileName(), }} {...bold} /> </> ); }; const DownloadingHint = ({ open }: { open: boolean }) => { const hintRef = useRef<HTMLDivElement>(null); let TextComponent; if (isChrome) { TextComponent = DownloadingHintTextChrome; } else if (isFirefox || isChromiumEdge || isSafari || isOpera || isYaBrowser) { TextComponent = DownloadingHintText; } if (!TextComponent) { return null; } return ( <> <Popover open={Boolean(open && hintRef.current)} anchorEl={hintRef.current}> <TextComponent /> </Popover> <div ref={hintRef} className={isChrome ? styles.hintDownloadingBottom : styles.hintDownloading} /> </> ); }; import { Button, Dialog, DialogActions, DialogContent, DialogTitle, Typography } from '@wbnr/ui'; import styles from './InstructionDialog.module.scss'; export const InstructionDialog = ({ opened, onClose, onJoinViaApp, onBack }) => ( <Dialog open={opened} onClose={onClose} classes={{ paper: styles.instructionDialog }} fullWidth maxWidth="sm" > <DialogTitle className={styles.instructionDialogTitle}> Запуск встречи в приложении </DialogTitle> <DialogContent className={styles.instructionDialogContent}> <Typography variant="body1" className={styles.instructionDialogText}> Дождитесь окончания загрузки приложения </Typography> <Typography variant="body1" className={styles.instructionDialogText}> Установите его </Typography> <Typography variant="body1" className={styles.instructionDialogText}> Присоединитесь к встрече через приложение </Typography> <Typography variant="body1" className={styles.instructionDialogText}> Рекомендуем присоединиться к встрече через браузер, если вы опаздываете </Typography> </DialogContent> <DialogActions className={styles.instructionDialogActions}> <Button variant="contained" color="primary" onClick={onJoinViaApp} className={styles.joinViaAppButton} > Присоединиться через приложение </Button> <Button variant="text" onClick={onBack} className={styles.backButton}> Назад </Button> </DialogActions> </Dialog> ); "
Регулярное выражение для кода
Напиши регуляр expression для сублима текст, чтобы удалить весь код, подобное этому: ssageContainer = button.closest('.bot-message-container'); const messageText = messageContainer.querySelector('.bot-message').innerText; navigator.clipboard.writeText(messageText).then(() => { alert('Сообщение скопировано в буфер обмена'); }); } async function regenerateResponse(button) { const messageContainer = button.closest('.bot-message-container'); const chatId = currentChatId; const messages = chats[chatId].messages; const lastUserMessageIndex = messages.map(msg => msg.sender).lastIndexOf('user'); if (lastUserMessageIndex === -1) { alert('Не удалось найти последнее сообщение пользователя'); return; } const userMessage = messages[lastUserMessageIndex].text; messages.splice(lastUserMessageIndex + 1); await sendMessage(userMessage, true); } function displayChat(chat) { const messagesContainer = document.querySelector('.messages'); messagesContainer.innerHTML = ''; chat.messages.forEach(message => { if (message.sender === 'user') { const userMessageContainer = document.createElement('div'); userMessageContainer.className = 'message-container'; const userMessageElement = document.createElement('div'); userMessageElement.className = 'user-message'; userMessageElement.textContent = message.text; userMessageContainer.appendChild(userMessageElement); messagesContainer.appendChild(userMessageContainer); } else { const botMessageContainer = document.createElement('div'); botMessageContainer.className = 'bot-message-container'; const botMessageContent = document.createElement('div'); botMessageContent.className = 'bot-message-content'; const botAvatar = document.createElement('img'); botAvatar.className = 'bot-avatar'; botAvatar.src = getAvatarSrc(); botAvatar.alt = 'Bot Avatar'; const botResponse = document.createElement('div'); botResponse.className = 'bot-message'; botResponse.innerHTML = message.text; botMessageContent.appendChild(botAvatar); botMessageContent.appendChild(botResponse); const buttonContainer = document.createElement('div'); buttonContainer.className = 'button-container'; buttonContainer.innerHTML = ` <button class="copy-button" onclick="copyMessage(this)"> <svg class="copy-icon" xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"> <rect x="9" y="9" width="13" height="13" rx="2" ry="2"></rect> <path d="M5 15H4a2 2 0 0 1-2-2V4a2 2 0 0 1 2-2h9a2 2 0 0 1 2 2v1"></path> </svg> </button> <button class="regenerate-button" onclick="regenerateResponse(this)"> <svg class="regenerate-icon" xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"> <polyline points="1 4 1 10 7 10"></polyline> <polyline points="23 20 23 14 17 14"></polyline> <path d="M20.49 9A9 9 0 0 0 5.64 5.64L1 10m22 4l-4.64 4.36A9 9 0 0 1 3.51 15"></path> </svg> </button> `; botMessageContainer.appendChild(botMessageContent); botMessageContainer.appendChild(buttonContainer); messagesContainer.appendChild(botMessageContainer); } }); if (chat.messages.length === 0) { messagesContainer.innerHTML = ` <div class="logo"> <img id="centerLogo" src="${getAvatarSrc()}" alt="Center Logo" width="50" height="50"> </div> <div class="help-text"> Чем я
Разница между драйвом и вайбом
чем драйв отличается от вайба
Нейросети для вставки объектов
есть ли какая-то нейросеть для вставки обьекта (чашка к примеру) на другой обьект на изображении (к примеру стол), чтобы оно сделало цветокорецию
3D Змейка на Three.js
Напиши код для игры змейка в 3D в html
Исправление кода Telegram бота
помоги исправить код выходят такие ошиби:D:\Program Files\Python312\Lib\site-packages\telegram\utils\request.py:54: UserWarning: python-telegram-bot wasn't properly installed. Please refer to README.rst on how to properly install. warnings.warn( Traceback (most recent call last): File "D:\Program Files\Python312\Lib\site-packages\telegram\utils\request.py", line 36, in <module> import telegram.vendor.ptb_urllib3.urllib3 as urllib3 File "D:\Program Files\Python312\Lib\site-packages\telegram\vendor\ptb_urllib3\urllib3\__init__.py", line 7, in <module> from .connectionpool import ( File "D:\Program Files\Python312\Lib\site-packages\telegram\vendor\ptb_urllib3\urllib3\connectionpool.py", line 11, in <module> from .exceptions import ( File "D:\Program Files\Python312\Lib\site-packages\telegram\vendor\ptb_urllib3\urllib3\exceptions.py", line 2, in <module> from .packages.six.moves.http_client import ( ModuleNotFoundError: No module named 'telegram.vendor.ptb_urllib3.urllib3.packages.six.moves' During handling of the above exception, another exception occurred: Traceback (most recent call last): File "e:\Python-Проекты\Bot.py", line 2, in <module> from telegram import Update, InlineKeyboardButton, InlineKeyboardMarkup, ReplyKeyboardMarkup, KeyboardButton File "D:\Program Files\Python312\Lib\site-packages\telegram\__init__.py", line 187, in <module> from .bot import Bot File "D:\Program Files\Python312\Lib\site-packages\telegram\bot.py", line 107, in <module> from telegram.utils.request import Request File "D:\Program Files\Python312\Lib\site-packages\telegram\utils\request.py", line 44, in <module> import urllib3.contrib.appengine as appengine # type: ignore[no-redef] ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ModuleNotFoundError: No module named 'urllib3.contrib.appengine' УЛУЧШИ ВЕСЬ МОЙ КОД что бы не было ошибок вот мой код:import logging from telegram import Update, InlineKeyboardButton, InlineKeyboardMarkup, ReplyKeyboardMarkup, KeyboardButton from telegram.ext import (Updater, CommandHandler, MessageHandler, Filters, CallbackContext, CallbackQueryHandler, ConversationHandler) import webbrowser import os from datetime import datetime import speech_recognition as sr from pydub import AudioSegment import requests from bs4 import BeautifulSoup # Настройка логирования logging.basicConfig(format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', level=logging.INFO) # Ключ API TELEGRAM_BOT_TOKEN = '7738581629:AAH5bMJ5yD8-yEXbX5BKk2KIIR1RoEbxTE4' # Состояния для ConversationHandler MAIN_MENU, YOUTUBE_SEARCH, SHOWING_VIDEOS = range(3) # Известные приложения для открытия applications = { 'блокнот': 'notepad.exe', 'калькулятор': 'calc.exe', } def start(update: Update, context: CallbackContext): keyboard = [ [KeyboardButton("🎥 YouTube"), KeyboardButton("🌐 Открыть сайт")], [KeyboardButton("🖥️ Открыть приложение"), KeyboardButton("🕒 Текущее время")], [KeyboardButton("🎤 Голосовой ввод")] ] reply_markup = ReplyKeyboardMarkup(keyboard, resize_keyboard=True) update.message.reply_text( 'Здравствуйте! Я ваш персональный ассистент. Выберите действие:', reply_markup=reply_markup ) return MAIN_MENU def handle_main_menu(update: Update, context: CallbackContext): text = update.message.text.lower() if "youtube" in text: return start_youtube(update, context) elif "открыть сайт" in text: update.message.reply_text("Введите адрес сайта:") return MAIN_MENU elif "открыть приложение" in text: keyboard = [[KeyboardButton(app)] for app in applications.keys()] keyboard.append([KeyboardButton("Назад")]) reply_markup = ReplyKeyboardMarkup(keyboard, resize_keyboard=True) update.message.reply_text("Выберите приложение:", reply_markup=reply_markup) return MAIN_MENU elif "текущее время" in text: now = datetime.now() current_time = now.strftime('%H:%M:%S') update.message.reply_text(f'Текущее время: {current_time}') elif "голосовой ввод" in text: update.message.reply_text("Отправьте голосовое сообщение.") elif text.startswith('http'): webbrowser.open(text) update.message.reply_text(f'Открываю сайт {text}') elif text in applications: os.startfile(applications[text]) update.message.reply_text(f'Открываю {text}') elif text == "назад": return start(update, context) else: update.message.reply_text('Извините, я вас не понял. Пожалуйста, выберите действие из меню.') return MAIN_MENU def handle_voice(update: Update, context: CallbackContext): voice = update.message.voice file = context.bot.get_file(voice.file_id) file.download('voice.ogg') # Конвертация OGG в WAV sound = AudioSegment.from_ogg('voice.ogg') sound.export('voice.wav', format='wav') # Распознавание речи recognizer = sr.Recognizer() with sr.AudioFile('voice.wav') as source: audio = recognizer.record(source) try: text = recognizer.recognize_google(audio, language='ru-RU') update.message.reply_text(f"Вы сказали: {text}") update.message.text = text return handle_main_menu(update, context) except sr.UnknownValueError: update.message.reply_text('Извините, я не смог распознать голосовое сообщение.') except sr.RequestError as e: update.message.reply_text('Ошибка сервиса распознавания речи.') return MAIN_MENU def start_youtube(update: Update, context: CallbackContext): update.message.reply_text('Что вы хотите посмотреть на YouTube? Введите запрос.') return YOUTUBE_SEARCH def search_youtube(update: Update, context: CallbackContext): query = update.message.text videos = get_youtube_results(query) context.user_data['videos'] = videos keyboard = [[InlineKeyboardButton(video['title'][:40] + '...', callback_data=str(idx))] for idx, video in enumerate(videos)] keyboard.append([InlineKeyboardButton('Отмена', callback_data='cancel')]) reply_markup = InlineKeyboardMarkup(keyboard) update.message.reply_text('Вот что я нашёл:', reply_markup=reply_markup) return SHOWING_VIDEOS def button_callback(update: Update, context: CallbackContext): query = update.callback_query query.answer() data = query.data if data == 'cancel': query.edit_message_text(text='Поиск отменен.') return start(update, context) else: idx = int(data) video = context.user_data['videos'][idx] webbrowser.open(video['url']) query.edit_message_text(text=f'Открываю видео: {video["title"]}') return start(update, context) def get_youtube_results(query): url = f"https://www.youtube.com/results?search_query={query}" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') videos = [] for vid in soup.findAll('div', attrs={'class':'yt-lockup-content'}): if len(videos) >= 5: break title = vid.find('a', attrs={'class':'yt-uix-tile-link'}) if title: video_url = 'https://www.youtube.com' + title['href'] videos.append({'title': title.text, 'url': video_url}) return videos def main(): updater = Updater(TELEGRAM_BOT_TOKEN, use_context=True) dp = updater.dispatcher conv_handler = ConversationHandler( entry_points=[CommandHandler('start', start)], states={ MAIN_MENU: [ MessageHandler(Filters.text & ~Filters.command, handle_main_menu), MessageHandler(Filters.voice, handle_voice), ], YOUTUBE_SEARCH: [MessageHandler(Filters.text & ~Filters.command, search_youtube)], SHOWING_VIDEOS: [CallbackQueryHandler(button_callback)], }, fallbacks=[CommandHandler('start', start)] ) dp.add_handler(conv_handler) updater.start_polling() updater.idle() if __name__ == '__main__': main()
Скороговорка для числа пи
Придумай скороговорку, которая поможет запомнить последовательность цифр в числе пи
Музыкальный генератор на ИИ
напиши полный рабочий код музыкального генератора на искусственном интеллекте. я хочу получить самое лучшее приложение по генерации музыки какое только возможно. примени все необходимые технологиии чтобы получить самый лучший с музыкальной точки зрения результат на выходе. без использования предобученных моделей . улучши мое приложение. я хочу чтобы модель обучалась максимально быстро и выдавала максимально качественные результаты. исправь ошибку not enought data to create sequences import. please use longer audio data. музыкальные данные должны быть видны в контекстном окне. для обучения могут использоваться любые wav файлы любого качества и без разницы стререо , моно или пятиканальные. на выходе мы должны получать стерео файл. напиши полный рабочий код приложения import torch import torch.nn as nn import torch.optim as optim import torchaudio import tkinter as tk from tkinter import filedialog, messagebox, ttk import os import numpy as np from torch.utils.data import DataLoader, TensorDataset from tqdm import tqdm import matplotlib.pyplot as plt from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg import threading import librosa from sklearn.decomposition import NMF import math # Check CUDA availability device = torch.device("cuda" if torch.cuda.is_available() else "cpu") class GELUActivation(nn.Module): def forward(self, x): return 0.5 * x * (1 + torch.tanh( math.sqrt(2 / math.pi) * (x + 0.044715 * torch.pow(x, 3)) )) class PositionalEncoding(nn.Module): def __init__(self, d_model, dropout=0.1, max_len=5000): super(PositionalEncoding, self).__init__() self.dropout = nn.Dropout(p=dropout) pe = torch.zeros(max_len, d_model) position = torch.arange(0, max_len, dtype=torch.float).unsqueeze(1) div_term = torch.exp(torch.arange( 0, d_model, 2).float() * (-math.log(10000.0) / d_model) ) pe[:, 0::2] = torch.sin(position * div_term) # even indices pe[:, 1::2] = torch.cos(position * div_term) # odd indices pe = pe.unsqueeze(0) # shape (1, max_len, d_model) self.register_buffer('pe', pe) def forward(self, x): x = x + self.pe[:, :x.size(1)] return self.dropout(x) class ImprovedTransformerEncoderLayer(nn.Module): def __init__(self, d_model, nhead, dim_feedforward=2048, dropout=0.1): super(ImprovedTransformerEncoderLayer, self).__init__() self.self_attn = nn.MultiheadAttention( d_model, nhead, dropout=dropout, batch_first=True ) self.linear1 = nn.Linear(d_model, dim_feedforward) self.dropout = nn.Dropout(dropout) self.linear2 = nn.Linear(dim_feedforward, d_model) self.norm1 = nn.LayerNorm(d_model) self.norm2 = nn.LayerNorm(d_model) self.dropout1 = nn.Dropout(dropout) self.dropout2 = nn.Dropout(dropout) self.activation = GELUActivation() def forward(self, src, src_mask=None, src_key_padding_mask=None): src2 = self.self_attn( src, src, src, attn_mask=src_mask, key_padding_mask=src_key_padding_mask )[0] src = src + self.dropout1(src2) src = self.norm1(src) src2 = self.linear2( self.dropout(self.activation(self.linear1(src))) ) src = src + self.dropout2(src2) src = self.norm2(src) return src class ImprovedTransformerModel(nn.Module): def __init__( self, input_size, output_size, d_model=512, nhead=8, num_layers=6, dropout=0.1 ): super(ImprovedTransformerModel, self).__init__() self.embedding = nn.Linear(input_size, d_model) self.pos_encoder = PositionalEncoding(d_model, dropout) encoder_layer = ImprovedTransformerEncoderLayer( d_model, nhead, dim_feedforward=2048, dropout=dropout ) self.transformer_encoder = nn.TransformerEncoder( encoder_layer, num_layers ) self.decoder = nn.Linear(d_model, output_size) self.init_weights() def init_weights(self): initrange = 0.1 nn.init.uniform_(self.embedding.weight, -initrange, initrange) nn.init.zeros_(self.embedding.bias) nn.init.zeros_(self.decoder.bias) nn.init.uniform_(self.decoder.weight, -initrange, initrange) def forward(self, src): src = self.embedding(src) src = self.pos_encoder(src) output = self.transformer_encoder(src) output = self.decoder(output) return output def load_audio(file_path): waveform, sample_rate = torchaudio.load(file_path) return waveform, sample_rate def extract_features(y, sr): # Extract various features mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=20) chroma = librosa.feature.chroma_stft(y=y, sr=sr) spectral_centroid = librosa.feature.spectral_centroid(y=y, sr=sr) spectral_contrast = librosa.feature.spectral_contrast(y=y, sr=sr) spectral_rolloff = librosa.feature.spectral_rolloff(y=y, sr=sr) # Concatenate all features features = np.concatenate( [mfcc, chroma, spectral_centroid, spectral_contrast, spectral_rolloff], axis=0 ) return features def preprocess_audio(waveform, sample_rate, target_sample_rate=22050, chunk_size=256): if sample_rate != target_sample_rate: waveform = torchaudio.functional.resample( waveform, sample_rate, target_sample_rate ) # Convert to mono if stereo if waveform.shape[0] > 1: waveform = torch.mean(waveform, dim=0, keepdim=True) # Convert to numpy array y = waveform.numpy()[0] # Extract features features = extract_features(y, target_sample_rate) # Convert to tensor and normalize features = torch.FloatTensor(features) features = features / torch.max(torch.abs(features)) # Ensure the correct shape (time, features) features = features.t() # Pad or trim to chunk_size if features.shape[0] < chunk_size: padding = torch.zeros( chunk_size - features.shape[0], features.shape[1] ) features = torch.cat([features, padding], dim=0) elif features.shape[0] > chunk_size: features = features[:chunk_size, :] return features def train_model(model, train_loader, val_loader, epochs=100, lr=0.001): criterion = nn.MSELoss() optimizer = optim.AdamW( model.parameters(), lr=lr, betas=(0.9, 0.999), eps=1e-8, weight_decay=0.01 ) scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=epochs) best_val_loss = float('inf') best_model = None train_losses = [] val_losses = [] for epoch in range(epochs): model.train() total_loss = 0 progress_bar = tqdm(train_loader, desc=f"Epoch {epoch+1}/{epochs}") for batch in progress_bar: optimizer.zero_grad() inputs, targets = batch inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) loss.backward() optimizer.step() total_loss += loss.item() progress_bar.set_postfix( {'training_loss': f'{total_loss/len(train_loader):.4f}'} ) avg_train_loss = total_loss / len(train_loader) train_losses.append(avg_train_loss) model.eval() val_loss = 0 with torch.no_grad(): for batch in val_loader: inputs, targets = batch inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) val_loss += loss.item() avg_val_loss = val_loss / len(val_loader) val_losses.append(avg_val_loss) print( f"Epoch { epoch+1}/{epochs}, Train Loss: {avg_train_loss:.4f}, Val Loss: {avg_val_loss:.4f}" ) scheduler.step() if avg_val_loss < best_val_loss: best_val_loss = avg_val_loss best_model = model.state_dict() model.load_state_dict(best_model) return model, train_losses, val_losses def generate_music(model, seed, length=1000, temperature=1.0): model.eval() with torch.no_grad(): generated = seed.unsqueeze(0).to(device) for _ in tqdm(range(length), desc="Generating"): input_seq = generated[:, -256:, :] output = model(input_seq) next_feature = output[:, -1, :] / temperature generated = torch.cat( [generated, next_feature.unsqueeze(1)], dim=1) return generated.squeeze(0).cpu() def save_audio(waveform, sample_rate, file_path): torchaudio.save(file_path, waveform.unsqueeze(0), sample_rate) def save_model(model, path): torch.save(model.state_dict(), path) def load_model(model, path): state_dict = torch.load(path, map_location=device) model.load_state_dict(state_dict) return model def harmonic_analysis(waveform, sample_rate): y = librosa.util.normalize(waveform.numpy()[0]) chroma = librosa.feature.chroma_cqt(y=y, sr=sample_rate) return chroma def rhythm_analysis(waveform, sample_rate): y = librosa.util.normalize(waveform.numpy()[0]) onset_env = librosa.onset.onset_strength(y=y, sr=sample_rate) tempo, beats = librosa.beat.beat_track( onset_envelope=onset_env, sr=sample_rate ) return tempo, beats def style_transfer(content_waveform, style_waveform, sample_rate): y_content = content_waveform.numpy()[0] y_style = style_waveform.numpy()[0] content_spec = np.abs(librosa.stft(y_content)) style_spec = np.abs(librosa.stft(y_style)) n_components = 4 content_nmf = NMF(n_components=n_components, random_state=0) style_nmf = NMF(n_components=n_components, random_state=0) content_W = content_nmf.fit_transform(content_spec) content_H = content_nmf.components_ style_W = style_nmf.fit_transform(style_spec) style_H = style_nmf.components_ transferred_spec = np.dot(content_W, style_H) transferred_audio = librosa.istft(transferred_spec) return torch.FloatTensor(transferred_audio).unsqueeze(0) class MusicGeneratorApp: def __init__(self, master): self.master = master self.master.title("AI Music Generator") self.master.geometry("800x600") self.model = None self.sample_rate = 22050 # Default sample rate self.train_thread = None self.train_losses = [] self.val_losses = [] self.create_widgets() def create_widgets(self): self.notebook = ttk.Notebook(self.master) self.notebook.pack(fill=tk.BOTH, expand=True) self.train_tab = ttk.Frame(self.notebook) self.generate_tab = ttk.Frame(self.notebook) self.analysis_tab = ttk.Frame(self.notebook) self.style_transfer_tab = ttk.Frame(self.notebook) self.notebook.add(self.train_tab, text="Train Model") self.notebook.add(self.generate_tab, text="Generate Music") self.notebook.add(self.analysis_tab, text="Music Analysis") self.notebook.add(self.style_transfer_tab, text="Style Transfer") self.create_train_widgets() self.create_generate_widgets() self.create_analysis_widgets() self.create_style_transfer_widgets() def create_train_widgets(self): self.train_button = tk.Button( self.train_tab, text="Train Model", command=self.train_model ) self.train_button.pack(pady=10) self.load_button = tk.Button( self.train_tab, text="Load Model", command=self.load_model ) self.load_button.pack(pady=10) self.status_label = tk.Label(self.train_tab, text="") self.status_label.pack(pady=10) self.progress_bar = ttk.Progressbar( self.train_tab, orient=tk.HORIZONTAL, length=300, mode='determinate' ) self.progress_bar.pack(pady=10) self.fig, self.ax = plt.subplots(figsize=(6, 4)) self.canvas = FigureCanvasTkAgg(self.fig, master=self.train_tab) self.canvas.draw() self.canvas.get_tk_widget().pack(side=tk.TOP, fill=tk.BOTH, expand=1) def create_generate_widgets(self): self.generate_button = tk.Button( self.generate_tab, text="Generate Music", command=self.generate_music ) self.generate_button.pack(pady=10) self.temperature_label = tk.Label( self.generate_tab, text="Temperature:" ) self.temperature_label.pack() self.temperature_slider = tk.Scale( self.generate_tab, from_=0.1, to=2.0, resolution=0.1, orient=tk.HORIZONTAL ) self.temperature_slider.set(1.0) self.temperature_slider.pack() self.length_label = tk.Label( self.generate_tab, text="Length (seconds):" ) self.length_label.pack() self.length_entry = tk.Entry(self.generate_tab) self.length_entry.insert(0, "10") self.length_entry.pack() self.status_label_generate = tk.Label(self.generate_tab, text="") self.status_label_generate.pack(pady=10) self.progress_bar_generate = ttk.Progressbar( self.generate_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar_generate.pack(pady=10) def create_analysis_widgets(self): self.analyze_button = tk.Button( self.analysis_tab, text="Analyze Music", command=self.analyze_music ) self.analyze_button.pack(pady=10) self.analysis_text = tk.Text(self.analysis_tab, height=20, width=60) self.analysis_text.pack(pady=10) def create_style_transfer_widgets(self): self.content_button = tk.Button( self.style_transfer_tab, text="Select Content Audio", command=self.select_content_audio ) self.content_button.pack(pady=10) self.style_button = tk.Button( self.style_transfer_tab, text="Select Style Audio", command=self.select_style_audio ) self.style_button.pack(pady=10) self.transfer_button = tk.Button( self.style_transfer_tab, text="Transfer Style", command=self.transfer_style ) self.transfer_button.pack(pady=10) self.status_label_transfer = tk.Label(self.style_transfer_tab, text="") self.status_label_transfer.pack(pady=10) self.progress_bar_transfer = ttk.Progressbar( self.style_transfer_tab, orient=tk.HORIZONTAL, length=300, mode='indeterminate' ) self.progress_bar_transfer.pack(pady=10) def train_model(self): folder_path = filedialog.askdirectory( title="Select folder with WAV files" ) if not folder_path: return self.status_label.config(text="Loading and preprocessing data...") self.master.update() data = [] target_sample_rate = 22050 min_length = float('inf') for file_name in os.listdir(folder_path): if file_name.endswith(".wav"): file_path = os.path.join(folder_path, file_name) try: waveform, sample_rate = load_audio(file_path) preprocessed = preprocess_audio( waveform, sample_rate, target_sample_rate ) data.append(preprocessed) min_length = min(min_length, preprocessed.shape[0]) except Exception as e: print(f"Error processing {file_name}: {str(e)}") if not data: self.status_label.config( text="No valid WAV files found or processed in the selected folder." ) return self.sample_rate = target_sample_rate # Ensure all data have the same length data = [d[:min_length, :] for d in data] data = torch.stack(data) sequence_length = 256 input_size = data.size(2) output_size = input_size input_sequences = [] target_sequences = [] for i in range(data.size(1) - sequence_length): input_sequences.append(data[:, i:i+sequence_length, :]) target_sequences.append(data[:, i+1:i+sequence_length+1, :]) if not input_sequences: self.status_label.config( text="Not enough data to create sequences. Please use longer audio files." ) return input_sequences = torch.cat(input_sequences, dim=0) target_sequences = torch.cat(target_sequences, dim=0) # Ensure we have at least some data for validation if len(input_sequences) < 2: self.status_label.config( text="Not enough data for training and validation. Please use more or longer audio files." ) return split = max(1, int(0.8 * len(input_sequences))) train_inputs, val_inputs = input_sequences[:split], input_sequences[split:] train_targets, val_targets = target_sequences[:split], target_sequences[split:] train_dataset = TensorDataset(train_inputs, train_targets) val_dataset = TensorDataset(val_inputs, val_targets) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True) val_loader = DataLoader(val_dataset, batch_size=32) d_model = 512 nhead = 8 num_layers = 6 self.model = ImprovedTransformerModel( input_size, output_size, d_model, nhead, num_layers ) self.model.to(device) self.status_label.config(text="Training model...") self.master.update() def train_thread(): try: self.model, self.train_losses, self.val_losses = train_model( self.model, train_loader, val_loader ) self.master.after(0, self.update_plot) self.status_label.config(text="Model trained successfully!") save_path = filedialog.asksaveasfilename( defaultextension=".pth", filetypes=[("PyTorch model", "*.pth")] ) if save_path: save_model(self.model, save_path) self.status_label.config( text="Model trained and saved successfully!" ) except Exception as e: self.status_label.config( text=f"Error during training: {str(e)}" ) print(f"Error during training: {str(e)}") finally: self.progress_bar.stop() self.train_thread = threading.Thread(target=train_thread) self.train_thread.start() self.progress_bar.start() def update_plot(self): self.ax.clear() self.ax.plot(self.train_losses, label='Train Loss') self.ax.plot(self.val_losses, label='Validation Loss') self.ax.set_xlabel('Epoch') self.ax.set_ylabel('Loss') self.ax.legend() self.canvas.draw() def load_model(self): load_path = filedialog.askopenfilename( filetypes=[("PyTorch model", "*.pth")] ) if load_path: try: state_dict = torch.load(load_path, map_location=device) input_size = state_dict['embedding.weight'].size(1) output_size = state_dict['decoder.weight'].size(0) d_model = state_dict['embedding.weight'].size(0) nhead = 8 num_layers = len([ key for key in state_dict.keys() if key.startswith('transformer_encoder.layers') ]) self.model = ImprovedTransformerModel( input_size, output_size, d_model, nhead, num_layers ) self.model = load_model(self.model, load_path) self.model.to(device) self.status_label.config(text="Model loaded successfully!") except Exception as e: messagebox.showerror( "Error", f"Failed to load model: {str(e)}" ) def generate_music(self): if self.model is None: messagebox.showwarning( "Warning", "Please train or load a model first." ) return self.status_label_generate.config(text="Generating music...") self.master.update() temperature = self.temperature_slider.get() try: length_seconds = float(self.length_entry.get()) except ValueError: messagebox.showerror( "Error", "Invalid length value. Please enter a number." ) return if self.sample_rate is None: self.sample_rate = 22050 # Default sample rate if not set length_samples = int(length_seconds * self.sample_rate) seed = torch.randn(256, self.model.embedding.in_features) self.progress_bar_generate.start() def generate_thread(): try: generated = generate_music( self.model, seed, length_samples, temperature ) save_path = filedialog.asksaveasfilename( defaultextension=".wav", filetypes=[("WAV files", "*.wav")] ) if not save_path: return generated_features = generated.numpy().T try: reconstructed_audio = librosa.feature.inverse.mfcc_to_audio( generated_features[:20, :] ) reconstructed_audio = torch.FloatTensor( reconstructed_audio) reconstructed_audio = reconstructed_audio / torch.max( torch.abs(reconstructed_audio) ) save_audio(reconstructed_audio, self.sample_rate, save_path) self.status_label_generate.config( text="Music generated and saved successfully!" ) except Exception as e: messagebox.showerror( "Error", f"Failed to reconstruct audio: {str(e)}" ) except Exception as e: messagebox.showerror( "Error", f"Failed to generate or save audio: {str(e)}" ) finally: self.progress_bar_generate.stop() threading.Thread(target=generate_thread).start() def analyze_music(self): file_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if not file_path: return waveform, sample_rate = load_audio(file_path) chroma = harmonic_analysis(waveform, sample_rate) tempo, beats = rhythm_analysis(waveform, sample_rate) analysis_text = f"Tempo: {tempo} BPM\n\n" analysis_text += "Chroma Features:\n" for i, chr in enumerate(chroma.T): if i % 4 == 0: analysis_text += "\n" analysis_text += f"{chr.max():.2f} " self.analysis_text.delete('1.0', tk.END) self.analysis_text.insert(tk.END, analysis_text) def select_content_audio(self): self.content_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if self.content_path: self.status_label_transfer.config(text="Content audio selected") def select_style_audio(self): self.style_path = filedialog.askopenfilename( filetypes=[("WAV files", "*.wav")] ) if self.style_path: self.status_label_transfer.config(text="Style audio selected") def transfer_style(self): if not hasattr(self, 'content_path') or not hasattr(self, 'style_path'): messagebox.showwarning( "Warning", "Please select both content and style audio files." ) return self.progress_bar_transfer.start() def transfer_thread(): try: content_waveform, content_sample_rate = load_audio( self.content_path ) style_waveform, style_sample_rate = load_audio( self.style_path ) if content_sample_rate != style_sample_rate: style_waveform = torchaudio.functional.resample( style_waveform, style_sample_rate, content_sample_rate ) transferred_audio = style_transfer( content_waveform, style_waveform, content_sample_rate ) save_path = filedialog.asksaveasfilename( defaultextension=".wav", filetypes=[("WAV files", "*.wav")] ) if not save_path: return save_audio(transferred_audio, content_sample_rate, save_path) self.status_label_transfer.config( text="Style transfer completed and saved successfully!" ) except Exception as e: messagebox.showerror( "Error", f"Failed to transfer style: {str(e)}" ) finally: self.progress_bar_transfer.stop() threading.Thread(target=transfer_thread).start() def main(): root = tk.Tk() app = MusicGeneratorApp(root) root.mainloop() if __name__ == "__main__": main()
Создание образовательной платформы
Я хочу создать сайт - образовательную платформу для подготовки к егэ. Я полный ноль в программировании. Мой сайт должен быть такой же, как сайт Умскул 1. Целевая - это школьники 10 или 11 класса, которым предстоит сдать ЕГЭ. 2. Будут: Русский, Общество, Профиль, История, Инфа, Английский, База, Химия, Физика, Литра, Биология, География 3. Из материалов - это вебинары (которые проводятся в прямом эфире с помощью трансляций вк (они будут открываться внутри сайта)), а позже (через день) - трансляция будет заменяться записью вебинара (я сам буду загружать запись вебинара). Вообще, если такое возможно, то сайт будет просто брать конкретные каналы и материалы с них из телеграма (в тг будет загружаться весь курс) - и показывать их в дизайне сайта (то есть, материалы все беруться из тг, чтобы их лишний раз еще и на сайт не загружать, а на сайте показываются в другом дизайне, как будто это отдельная платформа и только на нее сразу всё загружается. Если нажать на вебинар: К вебинарам чуть ниже будут приклепляться материалы - их может быть несколько. Но в основном - это рабочая тетрадь и конспект занятия. Так же под вебом будет описание, которое можно развернуть. Так же, если будут - то к вебам будут добавлены таймкоды. Так же ниже - кнопка - выполнить дз - тол есть ко многим, но не ко всем вебам - еще будет домашка. 4. Оба уровня, потому что курсы уже есть, а сайта для них нет. 5. Да! Обязательно всё это должно быть - онлайн-тесты, личные кабинеты пользователей, трекеры прогресса или даже возможность общения с преподавателями. 6. На сайте только бесплатные - но при входе в свой профиль пользователя, будут бесплатные вводные уроки (пару штук на каждый из выбранных пользователем предметов) 7. Важно - минимализм, удобство навигации, адаптивность для мобильных устройств и тому подобное. Для примера: Типографика Фирменный шрифт обновленного бренда — CoFo Gothic: нейтральный и элегантный, строгий и энциклопедический, но в то же время смелый и уверенный. По характеру шрифт составляет пару логотипу, а набранные им сообщения, убедительны в крупных и вспомогательных формах. Ранее использовался шрифт Tt First Neue. Палитра цветов Насыщенная и активная цветовая система разделена на трехцветную основную палитру бренда и многомерную палитру предметов. Графика предметов Каждый школьный предмет получил не только свой набор цветов, но и соответствующий графический символ. Иллюстрации Персонаж, предметы, пространство, путь к успеху и достижения — основные компоненты графической системы. Персоналии — это ученики и преподаватели, предметы — дисциплины, в которых они стремятся преуспеть. Стрелка символизирует извилистый, но предсказуемый путь, по которому ученики «Умскул» приходят к желаемым результатам. Иллюстрации предметов и достижений стилизованы под схемы и чертежи из школьных учебников, имеют четкие контуры, объемные формы, выпуклые элементы и яркие заливки. Вход на сайт будет происходить, авторизовавшись, через телеграм