app.py

import streamlit as st
import requests
import re
from huggingface_hub import InferenceClient
import tempfile


# ========= INTERFACE STREAMLIT =========
st.set_page_config(page_title="nlp", layout="wide")
st.title("CC NATURAL LANGUAGE PROCESSING")

st.subheader('Etudiant MASTER II: TATSA TCHINDA Colince')

# Sidebar logo
image_path = 'keyce.jpg'
st.sidebar.image(image_path, caption="Keyce informatique et intelligence artificielle", use_container_width=True)

# ========= ACCÈS PAR API TOKEN =========
st.sidebar.markdown("### 🔐 Clé API Hugging Face requise")
api_token = st.sidebar.text_input("Clé Hugging Face", type="password")

if api_token:
    st.session_state["API_TOKEN"] = api_token
else:
    st.warning("Veuillez entrer une clé API Hugging Face dans le sidebar, pour accéder à l’application.")
    st.stop()

headers = {"Authorization": f"Bearer {api_token}"}

# ========= INITIALISATION CLIENT HF =========
client = InferenceClient(api_key=api_token)

# ========= FONCTIONS UTILES =========
def nettoyer_reponse(text):
    cleaned = re.sub(r"<think>.*?</think>", "", text, flags=re.DOTALL)
    return cleaned.strip()

def generate_with_deepseek(prompt, token):
    deepseek_client = InferenceClient(provider="fireworks-ai", api_key=token)
    completion = deepseek_client.chat.completions.create(
        model="deepseek-ai/DeepSeek-R1",
        messages=[{"role": "user", "content": prompt}],
        max_tokens=512,
    )
    return nettoyer_reponse(completion.choices[0].message.content)

def transcribe_audio(path):
    try:
        with open(path, "rb") as f:
            audio_bytes = f.read()

        output = client.automatic_speech_recognition(
            audio=audio_bytes,
            model="openai/whisper-small"  # ou "jonatasgrosman/whisper-small-fr"
        )

        return output["text"]

    except Exception as e:
        st.error(f"Erreur lors de la transcription : {str(e)}")
        return "Erreur lors de la transcription."

def summarize_text(text):
    payload = {"inputs": text}
    response = requests.post(
        "https://api-inference.huggingface.co/models/facebook/bart-large-cnn",
        headers=headers,
        json=payload,
    )
    return response.json()[0]["summary_text"]

# ========= MENU =========
option = st.sidebar.radio(
    "Choisissez une fonctionnalité :",
    ["📝 Générateur de texte", "🎙 Audio vers texte", "🧠 Résumeur de texte"]
)

# ========= GÉNÉRATEUR DE TEXTE =========
if option == "📝 Générateur de texte":
    st.subheader("📝 Génération de texte (DeepSeek-R1)")
    prompt = st.text_area("Entrez votre prompt :", key="prompt")

    if st.button("Générer", key="gen"):
        if prompt.strip():
            with st.spinner("Génération..."):
                try:
                    output = generate_with_deepseek(prompt, api_token)
                    st.success("Texte généré :")
                    st.write(output)
                except Exception as e:
                    st.error(f"Erreur : {e}")
        else:
            st.warning("Veuillez entrer un prompt.")

# ========= AUDIO VERS TEXTE =========
elif option == "🎙 Audio vers texte":
    st.markdown('<div class="subheader">🎧 Transcription automatisée d’un fichier audio (30 sec max)</div>', unsafe_allow_html=True)
    with st.container():
        st.markdown('<div class="card">', unsafe_allow_html=True)
        audio_file = st.file_uploader("🎵 Chargez un fichier audio (30 secondes max)", type=["wav", "mp3", "m4a"],
                                      help="Formats supportés : WAV, MP3, M4A")
        if audio_file is not None:
            with tempfile.NamedTemporaryFile(delete=False, suffix='.wav') as tmp_file:
                tmp_file.write(audio_file.read())
                audio_path = tmp_file.name
            st.audio(audio_path)
            if st.button("✍️ Transcrire"):
                with st.spinner("Transcription en cours..."):
                    transcript = transcribe_audio(audio_path)
                st.markdown(
                    f'<div class="output-card">{transcript}<button class="copy-button" onclick="copyToClipboard(\'{transcript}\')">Copier</button></div>',
                    unsafe_allow_html=True)
        st.markdown('</div>', unsafe_allow_html=True)

# ========= RÉSUMEUR DE TEXTE =========
elif option == "🧠 Résumeur de texte":
    st.subheader("🧠 Résumé de texte")
    input_text = st.text_area("Texte à résumer :", height=300)

    if st.button("Résumer"):
        if input_text.strip():
            with st.spinner("Résumé en cours..."):
                try:
                    summary = summarize_text(input_text)
                    st.success("Résumé généré :")
                    st.write(summary)
                except Exception as e:
                    st.error(f"Erreur : {e}")
        else:
            st.warning("Veuillez entrer un texte à résumer.")