Update app.py

app.py

@@ -1,41 +1,25 @@
 import gradio as gr
 from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
-import torch
 
-# Charger le modèle et le tokenizer
+# Charger le modèle depuis Hugging Face
 model_name = "MaroneAI/Niani-nllb-Wolof-To-Frensh-615M"
-tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+# ✅ Correction : ignorer le tokenizer.json et forcr SentencePiece
+tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=False)
 model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
-device = "cuda" if torch.cuda.is_available() else "cpu"
-model = model.to(device)
 
-# Fonction de traduction
-def translate_wolof_to_french(text):
-    if not text.strip():
-        return "Écris une phrase en Wolof."
-    inputs = tokenizer(text, return_tensors="pt").to(device)
-    with torch.no_grad():
-        outputs = model.generate(
-            **inputs,
-            max_length=128,
-            num_beams=4,
-            early_stopping=True
-        )
+def translate(text):
+    inputs = tokenizer(text, return_tensors="pt", padding=True)
+    outputs = model.generate(**inputs, max_length=256)
     return tokenizer.decode(outputs[0], skip_special_tokens=True)
 
-# Interface Gradio
-iface = gr.Interface(
-    fn=translate_wolof_to_french,
-    inputs=gr.Textbox(lines=3, placeholder="Écris ici ta phrase en Wolof...", label="Texte en Wolof"),
-    outputs=gr.Textbox(label="Traduction en Français"),
-    title="Traduction Wolof → Français",
-    description="Modèle fine-tuné basé sur facebook/nllb-200-distilled-600M.",
-    examples=[
-        ["Naka nga def?"],
-        ["Jërëjëf ci sa jàmm."],
-        ["Ba beneen yoon."],
-        ["Kii mooy sama xarit."]
-    ]
+demo = gr.Interface(
+    fn=translate,
+    inputs=gr.Textbox(lines=3, placeholder="Entrez un texte en Wolof..."),
+    outputs=gr.Textbox(label="Traduction en wolof"),
+    title="Niani Translator-2 🍉",
+    description="Modèle de traduction Français → Wolof fine-tuné par MaroneAI."
 )
 
-iface.launch()
+if __name__ == "__main__":
+    demo.launch()