Create app.py

app.py

@@ -0,0 +1,48 @@
+# تثبيت المكتبات
+!pip install transformers torch datasets gradio
+
+# استيراد المكتبات
+from transformers import BlipProcessor, BlipForConditionalGeneration, MarianMTModel, MarianTokenizer
+import gradio as gr
+from PIL import Image
+
+# تحميل نموذج BLIP ومعالج البيانات
+processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
+model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")
+
+# تحميل نموذج الترجمة
+tokenizer = MarianTokenizer.from_pretrained("Helsinki-NLP/opus-mt-en-ar")
+model_mt = MarianMTModel.from_pretrained("Helsinki-NLP/opus-mt-en-ar")
+
+# دالة لترجمة التوصيفات إلى العربية
+def translate_to_arabic(text):
+    inputs = tokenizer(text, return_tensors="pt", padding=True)
+    translated = model_mt.generate(**inputs)
+    translated_text = [tokenizer.decode(t, skip_special_tokens=True) for t in translated]
+    return translated_text[0]
+
+# دالة لتوليد التوصيفات
+def generate_caption(image, language):
+    # معالجة الصورة
+    inputs = processor(images=image, return_tensors="pt")
+    # توليد التوصيف
+    outputs = model.generate(**inputs)
+    caption = processor.decode(outputs[0], skip_special_tokens=True)
+    
+    # ترجمة التوصيف إلى العربية إذا تم اختيارها
+    if language == "Arabic":
+        caption = translate_to_arabic(caption)
+    
+    return caption
+
+# إعداد واجهة Gradio
+iface = gr.Interface(
+    fn=generate_caption,
+    inputs=[gr.inputs.Image(type="pil"), gr.inputs.Dropdown(choices=["English", "Arabic"])],
+    outputs="text",
+    title="Image Captioning System",
+    description="Upload an image and choose the language for caption generation."
+)
+
+# تشغيل واجهة Gradio
+iface.launch()