Video işleme fonksiyonuna thread güvenliği eklendi. Model kullanımını senkronize etmek için lock mekanizması kullanıldı. Hata yönetimi ve işlem sonuçları için detaylı istatistikler eklendi.

main-videopluskazanim.py

@@ -37,6 +37,7 @@ import torch
 import functools
 import asyncio
 import concurrent.futures
+import threading
 import kazanim_id_konu_isim_dict_list as kazanimlar
 import logging
 import whisper
@@ -143,8 +144,11 @@ logging.basicConfig(stream=sys.stdout,
 # HF Space'lerde çok aggressive olmamak için worker sayısını azalttık
 executor = concurrent.futures.ThreadPoolExecutor(max_workers=4)
 
+# Thread-safe model kullanımı için lock
+whisper_lock = threading.Lock()
+
 async def process_single_video(file: UploadFile, model, language: str) -> VideoResult:
-    """Tek bir video dosyasını işle - paralel kullanım için"""
+    """Tek bir video dosyasını işle - THREAD SAFE paralel kullanım için"""
     if not file.filename.lower().endswith(('.mp4', '.wav', '.mp3', '.m4a', '.flac')):
         return VideoResult(id=file.filename, text="")
     
@@ -155,20 +159,28 @@ async def process_single_video(file: UploadFile, model, language: str) -> VideoR
         temp_file_path = temp_file.name
     
     def transcribe_sync():
-        """Senkron transcription - thread pool'da çalışacak - HF Space optimized"""
+        """Senkron transcription - thread pool'da çalışacak - THREAD SAFE"""
         try:
-            # HF Space için daha conservative ayarlar
-            result = model.transcribe(
-                temp_file_path, 
-                language=language.lower(), 
-                verbose=False,
-                fp16=False,  # HF Space'te daha stabil
-                temperature=0.0  # Deterministic output
-            )
-            return result['text'].strip()
+            # 🔒 THREAD SAFETY: Model kullanımını serialize et
+            with whisper_lock:
+                print(f"🔄 {file.filename}: Model kullanımı başlıyor...")
+                result = model.transcribe(
+                    temp_file_path, 
+                    language=language.lower(), 
+                    verbose=False
+                )
+                text = result['text'].strip()
+                
+                # Model çıktısının bir kısmını logla (debug için)
+                preview = text[:150] + "..." if len(text) > 150 else text
+                print(f"📝 {file.filename}: {preview}")
+            
+            return text
+            
         except Exception as e:
-            print(f"Video işleme hatası ({file.filename}): {e}")
+            print(f"❌ Video işleme hatası ({file.filename}): {e}")
             return ""
+            
         finally:
             # Geçici dosyayı temizle
             if os.path.exists(temp_file_path):
@@ -249,23 +261,38 @@ async def transcribe_videos(files: List[UploadFile] = File(...),
             tasks = [process_single_video(file, model, language) for file in chunk]
             chunk_results = await asyncio.gather(*tasks, return_exceptions=True)
             
-            # Exception'ları handle et
+            # Exception'ları handle et + SUCCESS/ERROR COUNT
+            success_count = 0
+            error_count = 0
             for j, result in enumerate(chunk_results):
                 if isinstance(result, Exception):
                     print(f"❌ Dosya {chunk[j].filename} işlenirken hata: {result}")
                     final_results.append(VideoResult(id=chunk[j].filename, text=""))
+                    error_count += 1
                 else:
                     final_results.append(result)
+                    # Başarılı sayısı = boş olmayan text'ler
+                    if result.text.strip():
+                        success_count += 1
+                    else:
+                        error_count += 1
             
-            print(f"✅ Chunk {i//chunk_size + 1} tamamlandı!")
+            print(f"✅ Chunk {i//chunk_size + 1} tamamlandı! ✅{success_count} ❌{error_count}")
             
             # Memory'yi rahatlatmak için küçük bir bekleme (HF Space için)
             if i + chunk_size < len(files):
                 await asyncio.sleep(0.1)
         
         dt = time.time() - t0
+        
+        # Final istatistikler
+        total_success = len([r for r in final_results if r.text.strip()])
+        total_failed = len(final_results) - total_success
+        success_rate = (total_success / len(final_results) * 100) if final_results else 0
+        
         print(f"✅ Whisper PARALEL done | took {dt:.2f}s")
-        print(f"🎯 Tamamlandı: {len(final_results)} video PARALEL olarak transkript edildi")
+        print(f"🎯 SONUÇ: {len(final_results)} video | ✅{total_success} başarılı | ❌{total_failed} hatalı | 📊{success_rate:.1f}% başarı oranı")
+        print(f"⚡ Hız: {len(final_results)/dt:.1f} video/saniye (chunk_size={chunk_size})")
         
         return WhisperResponse(model=model_name, results=final_results)