Update app.py

app.py

@@ -1,30 +1,26 @@
 import gradio as gr
-from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 from gtts import gTTS
 import os
 
-# 1. تحميل النموذج والـ Tokenizer بشكل صريح ومستقل لضمان التوافق الكامل
+# 1. تحميل النموذج والـ Tokenizer بشكل مباشر
 print("Loading model and tokenizer...")
 model_name = "facebook/bart-large-cnn"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
 
-# بناء الـ pipeline بتمرير النموذج والـ Tokenizer مباشرة
-summarizer = pipeline("summarization", model=model, tokenizer=tokenizer)
-
 def process_text(text):
     if not text.strip():
         return "الرجاء إدخال نص صالح للتلخيص.", None
     
-    input_length = len(text.split())
-    max_len = min(150, int(input_length * 0.5))
-    min_len = min(50, int(input_length * 0.2))
+    # 2. تحويل النص إلى تنسيق يفهمه النموذج (Tokenization)
+    inputs = tokenizer([text], max_length=1024, return_tensors="pt", truncation=True)
     
-    # توليد التلخيص
-    summary_result = summarizer(text, max_length=max_len, min_length=min_len, do_sample=False)
-    summary_text = summary_result[0]['summary_text']
+    # 3. توليد التلخيص مباشرة من النموذج بدون استخدام pipeline
+    summary_ids = model.generate(inputs["input_ids"], num_beams=4, max_length=150, min_length=40, early_stopping=True)
+    summary_text = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
     
-    # تحويل التلخيص النصي إلى ملف صوتي
+    # 4. تحويل التلخيص النصي إلى ملف صوتي
     tts = gTTS(text=summary_text, lang='en')
     audio_path = "summary_audio.mp3"
     tts.save(audio_path)