Update app.py

app.py

@@ -8,14 +8,14 @@ from pypdf import PdfReader
 # 1. 加载模型（CPU Basic 友好）
 # =========================================================
 
-# 图像 → 文本：BLIP，比 vit-gpt2 准，不依赖 sentencepiece
+# 图像 → 文本：BLIP，比 vit-gpt2 稳定
 vision_pipe = pipeline(
     "image-to-text",
     model="salesforce/blip-image-captioning-base",
     device=-1  # CPU
 )
 
-# 文本生成：用 flan-t5-small（更快），统一做描述/解释/翻译
+# 文本生成：small T5，用来做描述/解释/翻译
 text_pipe = pipeline(
     "text2text-generation",
     model="google/flan-t5-small",
@@ -25,20 +25,14 @@ text_pipe = pipeline(
 
 
 # =========================================================
-# 2. 一些小工具函数
+# 2. 工具函数
 # =========================================================
 
 def dedup_sentences(text: str) -> str:
-    """
-    简单去重复：
-    - 按句号/问号/感叹号拆分
-    - 去掉重复句子（忽略大小写和多余空格）
-    - 防止 caption / summary 疯狂复读同一句话
-    """
+    """按句子粗糙去重复，避免疯狂复读。"""
     if not text:
         return text
 
-    # 先粗略按中英文句号拆分
     parts = re.split(r'(?<=[。！？!?\.])\s+', text.strip())
     seen = set()
     result = []
@@ -54,22 +48,22 @@ def dedup_sentences(text: str) -> str:
         result.append(s_clean)
 
     out = ' '.join(result)
-    # 太长就截断一点，避免刷屏
     if len(out) > 1200:
         out = out[:1200]
     return out
 
 
-def extract_pdf_context(pdf_file, keywords: str, max_chars: int = 1200) -> str:
+def extract_pdf_context(pdf_path: str, keywords: str, max_chars: int = 1200) -> str:
     """
     从上传的 PDF 中抽取和关键词最相关的几段文字，
     再作为 figure 的上下文摘要使用。
+    pdf_path 是文件路径字符串（来自 gr.File, type="filepath"）。
     """
-    if pdf_file is None:
+    if not pdf_path:
         return ""
 
     try:
-        reader = PdfReader(pdf_file.name)
+        reader = PdfReader(pdf_path)
         pages_text = []
         for page in reader.pages:
             txt = page.extract_text() or ""
@@ -81,14 +75,9 @@ def extract_pdf_context(pdf_file, keywords: str, max_chars: int = 1200) -> str:
     if not full_text.strip():
         return ""
 
-    # 简单按空行拆分段落
     paragraphs = [p.strip() for p in re.split(r'\n\s*\n', full_text) if p.strip()]
 
-    # 关键词打分（非常朴素，但够用）
     kw_list = [k.strip().lower() for k in keywords.split(",") if k.strip()]
-    if not kw_list:
-        kw_list = []
-
     scored = []
     for p in paragraphs:
         pl = p.lower()
@@ -96,13 +85,11 @@ def extract_pdf_context(pdf_file, keywords: str, max_chars: int = 1200) -> str:
         for kw in kw_list:
             if kw in pl:
                 score += 1
-        # 略微偏向包含 "fig" 的段落
         if "fig" in pl or "figure" in pl:
             score += 1
         if score > 0:
             scored.append((score, p))
 
-    # 如果没匹配到关键词，就拿前几段凑合
     if not scored:
         top_text = "\n\n".join(paragraphs[:3])
     else:
@@ -110,11 +97,9 @@ def extract_pdf_context(pdf_file, keywords: str, max_chars: int = 1200) -> str:
         top_paras = [p for _, p in scored[:3]]
         top_text = "\n\n".join(top_paras)
 
-    # 控制长度
     if len(top_text) > max_chars:
         top_text = top_text[:max_chars]
 
-    # 用 T5 生成一个 2–3 句的简短 summary
     prompt = (
         "You are summarizing background for one figure in a scientific paper.\n\n"
         f"Keywords: {', '.join(kw_list) if kw_list else 'N/A'}\n\n"
@@ -128,10 +113,7 @@ def extract_pdf_context(pdf_file, keywords: str, max_chars: int = 1200) -> str:
 
 
 def enhance_image_simple(image: Image.Image) -> Image.Image:
-    """
-    简单地提升亮度和对比度，用来生成“增强版图表”。
-    不用 Diffusion，轻量、可在 CPU Basic 上跑。
-    """
+    """简单增强亮度和对比度，生成 Step 4 图像。"""
     if image is None:
         return None
     img = image.convert("RGB")
@@ -141,25 +123,23 @@ def enhance_image_simple(image: Image.Image) -> Image.Image:
 
 
 # =========================================================
-# 3. 主函数：一次点击完成所有步骤
-#    Step 2：1 次 small T5
-#    Step 3 + Caption + Summary：合并成 1 次 small T5
+# 3. 主逻辑函数
 # =========================================================
 
-def analyze_and_explain(image, keywords, language, pdf_file):
+def analyze_and_explain(image, keywords, language, pdf_path):
     if image is None:
         return None, "", "", None, "", ""
 
-    # ---- Step 1: Vision 模型粗略描述图像 ----
+    # ---- Vision 初步 caption ----
     try:
         raw_caption = vision_pipe(image)[0]["generated_text"]
     except Exception:
         raw_caption = ""
 
-    # ---- 从 PDF 中抽取上下文（可选） ----
-    context_summary = extract_pdf_context(pdf_file, keywords or "")
+    # ---- PDF 上下文 ----
+    context_summary = extract_pdf_context(pdf_path, keywords or "")
 
-    # ---- Step 2: 自动图表描述（图表 QA + 论文上下文） ----
+    # ---- Step 2：自动图表描述（1 次 small T5）----
     step2_prompt = (
         "You are helping to describe one bar chart in a scientific paper.\n\n"
         f"Rough visual caption from an image model: {raw_caption}\n"
@@ -181,12 +161,10 @@ def analyze_and_explain(image, keywords, language, pdf_file):
     )
     step2_en = text_pipe(step2_prompt)[0]["generated_text"].strip()
     step2_en = dedup_sentences(step2_en)
-
-    # 保底：强制以 A bar chart showing 开头
     if not step2_en.lower().startswith("a bar chart showing"):
         step2_en = "A bar chart showing " + step2_en.lstrip()
 
-    # ---- Step 3 + Step 5：一次生成 Explanation + Caption + Summary ----
+    # ---- Step 3 + Step 5 合并：1 次 small T5 ----
     context_part = (
         f"Short paper context: {context_summary}\n\n"
         if context_summary else ""
@@ -217,7 +195,6 @@ def analyze_and_explain(image, keywords, language, pdf_file):
 
     multi_out = text_pipe(multi_prompt)[0]["generated_text"]
 
-    # 解析三段
     expl_part = ""
     cap_part = ""
     sum_part = ""
@@ -241,10 +218,10 @@ def analyze_and_explain(image, keywords, language, pdf_file):
     caption_en = dedup_sentences(cap_part)
     summary_en = dedup_sentences(sum_part)
 
-    # ---- Step 4: 简单增强后的图表 ----
+    # ---- Step 4：图像增强 ----
     enhanced_img = enhance_image_simple(image)
 
-    # ---- 如果选择中文，则翻译三段文本 ----
+    # ---- 中英文切换 ----
     if language == "中文":
         def translate_to_zh(txt):
             if not txt:
@@ -279,7 +256,7 @@ with gr.Blocks() as demo:
     gr.Markdown("## ChartSmith – AI 论文图表生成助手 (v2)")
 
     with gr.Row():
-        # 左侧：输入区
+        # 左侧：输入
         with gr.Column():
             img_in = gr.Image(
                 type="pil",
@@ -296,11 +273,11 @@ with gr.Blocks() as demo:
             )
             pdf_in = gr.File(
                 label="上传论文 PDF（可选，用于结合上下文解释图表）",
-                type="file"
+                type="filepath"   # ✅ 这里改成 filepath
             )
             run_btn = gr.Button("分析并美化图表", variant="primary")
 
-        # 右侧：输出区
+        # 右侧：输出
         with gr.Column():
             orig_img = gr.Image(label="原始图表预览", interactive=False)