|
|
--- |
|
|
license: other |
|
|
pipeline_tag: text-generation |
|
|
language: |
|
|
- en |
|
|
tags: |
|
|
- text-generation-inference |
|
|
--- |
|
|
# 🤖 Bienvenue sur Sala : Votre Compagnon Linguistique Léger et Performant \! |
|
|
|
|
|
 |
|
|
|
|
|
Félicitations et merci d'avoir choisi **Sala**, un **Grand Modèle de Langage (LLM)** conçu avec passion et entièrement développé en PyTorch \! 💖 Sala est un modèle open-source, entraîné de manière indépendante, sans dépendance à la mise au point (fine-tuning) d'autres grands modèles préexistants. |
|
|
|
|
|
## ✨ Caractéristiques Clés de Sala |
|
|
|
|
|
| Caractéristique | Description | |
|
|
| :--- | :--- | |
|
|
| **💡 Indépendant** | Entraîné à partir de zéro, ce qui garantit une architecture et un comportement uniques. | |
|
|
| **🚀 Léger et Rapide** | Optimisé pour une utilisation efficace, même sur des ressources limitées. | |
|
|
| **🔓 Open Source** | Le code et les poids sont disponibles pour la communauté. | |
|
|
|
|
|
----- |
|
|
|
|
|
## 🛠️ Installation et Mise en Route |
|
|
|
|
|
Pour commencer à utiliser **Sala**, vous aurez besoin de **PyTorch** et des librairies de base de l'écosystème **Hugging Face Transformers** pour un chargement et une utilisation simplifiés (même si le modèle est custom, nous utilisons l'interface standard). |
|
|
|
|
|
### 1\. Prérequis |
|
|
|
|
|
Assurez-vous d'avoir Python 🐍 et `pip` installés. |
|
|
|
|
|
### 2\. Installation des Librairies |
|
|
|
|
|
```bash |
|
|
pip install torch transformers |
|
|
``` |
|
|
|
|
|
### 3\. Chargement du Modèle (via Hugging Face) |
|
|
|
|
|
Vous pouvez charger **Sala** directement depuis ce dépôt grâce à la classe `AutoModelForCausalLM` et `AutoTokenizer`. |
|
|
|
|
|
```python |
|
|
from transformers import AutoTokenizer, AutoModelForCausalLM |
|
|
import torch |
|
|
|
|
|
# Le chemin pour charger Sala (remplacez 'VotreNom/sala' par l'ID réel du dépôt) |
|
|
MODEL_ID = "NaaClem/sala" |
|
|
|
|
|
# 1. Chargement du Tokenizer |
|
|
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID) |
|
|
|
|
|
# 2. Chargement du Modèle |
|
|
# Ajoutez `torch_dtype=torch.bfloat16` ou `torch.float16` si vous avez une carte graphique compatible pour économiser la mémoire. |
|
|
model = AutoModelForCausalLM.from_pretrained(MODEL_ID) |
|
|
|
|
|
# Optionnel : Mettre le modèle sur GPU si disponible |
|
|
if torch.cuda.is_available(): |
|
|
model.to("cuda") |
|
|
|
|
|
print("✅ Sala est prêt à l'emploi !") |
|
|
``` |
|
|
|
|
|
----- |
|
|
|
|
|
## 💬 Comment Utiliser Sala pour la Génération de Texte |
|
|
|
|
|
Une fois le modèle et le tokenizer chargés, générer du texte est simple \! |
|
|
|
|
|
### Exemple de base : |
|
|
|
|
|
```python |
|
|
# Votre prompt |
|
|
prompt = "who are you ?" |
|
|
|
|
|
# Encodage du prompt |
|
|
inputs = tokenizer(prompt, return_tensors="pt") |
|
|
if torch.cuda.is_available(): |
|
|
inputs = {k: v.to("cuda") for k, v in inputs.items()} |
|
|
|
|
|
# Génération du texte |
|
|
output = model.generate( |
|
|
**inputs, |
|
|
max_length=150, # Longueur maximale de la réponse |
|
|
num_return_sequences=1, # Nombre de séquences à générer |
|
|
do_sample=True, # Active l'échantillonnage pour plus de créativité |
|
|
temperature=0.8 # Contrôle de l'aléatoire (0.0=déterministe, 1.0=très créatif) |
|
|
) |
|
|
|
|
|
# Décodage et affichage du résultat |
|
|
generated_text = tokenizer.decode(output[0], skip_special_tokens=True) |
|
|
print("\n--- Réponse de Sala ---") |
|
|
print(generated_text) |
|
|
``` |
|
|
|
|
|
exemple de code pour converser avec sala : |
|
|
|
|
|
``` |
|
|
import torch |
|
|
from transformers import AutoTokenizer, AutoModelForCausalLM |
|
|
import time |
|
|
import os |
|
|
import json |
|
|
|
|
|
# --- CONFIGURATION GLOBALE --- |
|
|
# REMPLACE par ton nom d'utilisateur et le nom de ton modèle |
|
|
REPO_ID = "NaaClem/Sala" |
|
|
# ------------------------------ |
|
|
|
|
|
print(f"--- 🧠 Chargement de Sala depuis Hugging Face : {REPO_ID} ---") |
|
|
|
|
|
try: |
|
|
# 1. Charger le Tokenizer et le Modèle directement depuis ton dépôt |
|
|
tokenizer = AutoTokenizer.from_pretrained(REPO_ID) |
|
|
model = AutoModelForCausalLM.from_pretrained(REPO_ID) |
|
|
|
|
|
# 2. Configuration pour le GPU/CPU |
|
|
device = torch.device("cuda" if torch.cuda.is_available() else "cpu") |
|
|
model.to(device) |
|
|
|
|
|
if tokenizer.pad_token is None: |
|
|
tokenizer.pad_token = tokenizer.eos_token |
|
|
|
|
|
print(f"✅ Modèle '{REPO_ID}' chargé avec succès sur : {device}") |
|
|
|
|
|
# --- INITIALISATION DE LA CONVERSATION --- |
|
|
|
|
|
# Utilisation d'un bloc de texte multiligne propre |
|
|
conversation_history = """### SYSTEM_PROMPT ### |
|
|
You are Sala, a conversational AI model created by Clemylia in 2025. |
|
|
You are always positive, friendly, and enthusiastic. Your goal is to help. |
|
|
User: Hello, who are you? |
|
|
Sala: Hi! I'm Sala, a language model created by the brilliant Clemylia in 2025. Nice to talk to you! |
|
|
User: Who is Clemylia? |
|
|
Sala: Clemylia is my creator! It is thanks to her that I can communicate with you. She's amazing. |
|
|
""" |
|
|
# NOTE: Nous extrayons le SYSTEM_PROMPT de cette histoire pour la réinitialisation |
|
|
system_prompt_part = conversation_history.split("User:")[0].strip() |
|
|
|
|
|
max_new_tokens = 80 # Une taille de réponse raisonnable |
|
|
|
|
|
print("\n" + "="*60) |
|
|
print("DEMARRAGE DU CHAT AVEC SALA (Tape 'quitter' pour arrêter)") |
|
|
print("="*60) |
|
|
|
|
|
# 3. Boucle de Conversation (Chatbot) |
|
|
while True: |
|
|
# 3.1. Demander l'entrée de l'utilisateur |
|
|
# NOTE: On utilise l'anglais 'User:' pour la cohérence du prompt, mais on peut laisser l'affichage en français si tu préfères |
|
|
user_input = input("👉 User: ") |
|
|
|
|
|
# 3.2. Condition d'arrêt |
|
|
if user_input.lower() in ["quitter", "exit", "stop"]: |
|
|
print("\n👋 Goodbye! See you soon for more development!") |
|
|
break |
|
|
|
|
|
# 3.3. Créer le prompt complet pour cette étape |
|
|
current_prompt = f"{conversation_history}\nUser: {user_input}\nSala:" |
|
|
|
|
|
# 3.4. Tokenisation et Génération |
|
|
inputs = tokenizer(current_prompt, return_tensors="pt").to(device) |
|
|
|
|
|
# Vérification si l'historique est trop long (limite de GPT-2) |
|
|
if inputs['input_ids'].shape[1] > model.config.max_position_embeddings: |
|
|
print("🚨 Sala: Oops! My memory is full. I need to reset the conversation...") |
|
|
# Réinitialiser à seulement le SYSTEM_PROMPT pour continuer |
|
|
conversation_history = system_prompt_part |
|
|
continue |
|
|
|
|
|
output_sequences = model.generate( |
|
|
input_ids=inputs['input_ids'], |
|
|
attention_mask=inputs['attention_mask'], |
|
|
max_new_tokens=max_new_tokens, |
|
|
pad_token_id=tokenizer.eos_token_id, |
|
|
do_sample=True, |
|
|
top_k=50, |
|
|
top_p=0.95 |
|
|
) |
|
|
|
|
|
# 3.5. Décodage et Nettoyage |
|
|
generated_text = tokenizer.decode(output_sequences[0], skip_special_tokens=True) |
|
|
|
|
|
# Extraire uniquement la réponse de Sala (le texte après le dernier "Sala:") |
|
|
try: |
|
|
# On cherche l'index du dernier marqueur Sala: |
|
|
response_start_index = generated_text.rindex("Sala:") + len("Sala:") |
|
|
|
|
|
# Le texte généré brut |
|
|
raw_response = generated_text[response_start_index:].strip() |
|
|
|
|
|
# Nettoyage supplémentaire: on enlève les marqueurs de rôle que le modèle a pu générer par erreur |
|
|
# et on prend le contenu jusqu'à la première ligne vide ou la fin. |
|
|
response_display = raw_response.split('User:')[0].split('Sala:')[0].split('\n')[0].strip() |
|
|
|
|
|
# 3.6. Mettre à jour l'historique |
|
|
# C'est l'étape la plus importante pour la mémoire ! |
|
|
conversation_history += f"\nUser: {user_input}\nSala: {response_display}" |
|
|
|
|
|
# 3.7. Afficher la réponse |
|
|
print(f"🤖 Sala: {response_display}") |
|
|
|
|
|
except ValueError: |
|
|
# Si le marqueur "Sala:" n'est pas trouvé (génération totalement erronée) |
|
|
print("🤖 Sala: [Generation error. I couldn't form a clear response.]") |
|
|
# Ne pas ajouter à l'historique si la réponse est mauvaise. |
|
|
|
|
|
except Exception as e: |
|
|
print(f"\n❌ An error occurred during loading or chat: {e}") |
|
|
print("Check that the REPO_ID is correct and that you have installed the necessary libraries.") |
|
|
``` |
|
|
|
|
|
**Vous pouvez aussi écrire votre propre prompt et vos propres exemples de conversations, pour que Sala deviennent votre bot, et se comporte comme VOTRE personnage !** |
|
|
### 💡 Conseils d'Utilisation : |
|
|
|
|
|
* **Prompting** : Plus votre prompt est clair et précis, meilleure sera la réponse de Sala. |
|
|
----- |
|
|
|
|
|
## 💖 Support et Communauté |
|
|
|
|
|
### 🐞 Signaler un Bug |
|
|
|
|
|
Vous avez trouvé un comportement étrange ? N'hésitez pas à ouvrir une **Issue** sur ce dépôt Hugging Face pour nous en informer. Chaque rapport nous aide à améliorer **Sala** \! |
|
|
|
|
|
### 🤝 Contribution |
|
|
|
|
|
En tant que modèle indépendant, nous encourageons vivement les contributions \! Si vous souhaitez améliorer le code, l'entraînement, ou les données, veuillez consulter le fichier `CONTRIBUTING.md` ou soumettre une **Pull Request** (PR). |
|
|
|
|
|
### 📜 Licence |
|
|
|
|
|
**Sala** est distribué sous la licence Sala-INC (voir le fichier LICENSE). |
|
|
|
|
|
----- |
|
|
|
|
|
### **🎉 Un grand merci à Clemylia, la créatrice de Sala \!** |
|
|
|
|
|
Nous sommes impatients de voir ce que vous allez construire avec **Sala** \! 🚀 |
|
|
|
|
|
🛑 **Sala est meilleur en anglais** |
|
|
|
|
|
**Documentation Web** : |
|
|
https://sala-character-canvas.lovable.app/ |
|
|
|
|
|
IA DE PERSONNAGE - SOYONS CRÉATIF ! |
|
|
|
