Update app.py

app.py

@@ -1,7 +1,8 @@
 import gradio as gr
 import pandas as pd
 
-# Lecture du lexique
+
+# Read the lexicon
 def read_lexicon(lexicon_file):
     df = pd.read_csv(lexicon_file, sep='\t')
     df['keyword_no_cat'] = df['lemma'].str.split(' #').str[0].str.strip().str.replace(' ', '_')
@@ -9,7 +10,8 @@ def read_lexicon(lexicon_file):
 
 lexicon = read_lexicon("lexicon.csv")
 
-# Récupération de l'ID du pictogramme depuis le lexique
+
+# Get the ARASAAC pictogram ID from the lexicon
 def get_id_picto_from_predicted_lemma(df_lexicon, lemma):
     lemma = lemma.strip().lower()
     if lemma.endswith("!"):
@@ -17,7 +19,8 @@ def get_id_picto_from_predicted_lemma(df_lexicon, lemma):
     id_picto = df_lexicon.loc[df_lexicon['keyword_no_cat'] == lemma, 'id_picto'].tolist()
     return (id_picto[0], lemma) if id_picto else (0, lemma)
 
-# Génération de contenu HTML pour afficher les pictogrammes
+
+# HTML content to show the pictogram images
 def generate_html(ids):
     html_content = '''
     <style>
@@ -44,40 +47,40 @@ def generate_html(ids):
     </style>
     '''
     for picto_id, lemma in ids:
-        if picto_id != 0:  # pictogramme trouvé
+        if picto_id != 0:  # pictogram id exists
             img_url = f"https://static.arasaac.org/pictograms/{picto_id}/{picto_id}_500.png"
             html_content += f'''
             <figure>
-                <img src="{img_url}" alt="{lemma}" width="100" height="100"/>
+                <img src="{img_url}" alt="{lemma}" width="150" height="150"/>
                 <figcaption>{lemma}</figcaption>
             </figure>
             '''
-        else:  # pictogramme non trouvé
+        else:  # not found pictogram
             html_content += f'''
             <figure>
-                <figcaption>Token "{lemma}" non trouvé dans le lexique</figcaption>
+                <figcaption>Token "{lemma}" not in the lexicon</figcaption>
             </figure>
             '''
     return html_content
 
-# Fonction principale de traitement
+
+# Process the input of the user
 def process_text(input_text):
-    tokens = input_text.strip().split()  # Découper l'entrée utilisateur en tokens
+    tokens = input_text.strip().split()  # cut the sequence into tokens
     pictogram_ids = [get_id_picto_from_predicted_lemma(lexicon, token) for token in tokens]
     return generate_html(pictogram_ids)
 
+
 # Configuration de l'interface Gradio
 with gr.Blocks() as demo:
     gr.Markdown("## Visualize Pictograms Application")
-    gr.Markdown("Saisissez une phrase pour voir les pictogrammes correspondants.")
+    gr.Markdown("Enter a sequence of pictogram tokens")
 
-    # Zone de texte et résultats dans une colonne
     with gr.Column():
-        input_text = gr.Textbox(label="Entrez votre texte", placeholder="Exemple : bonjour comment ça va")
-        output_html = gr.HTML(label="Résultats")
+        input_text = gr.Textbox(label="", placeholder="Example : bonjour je appeler plan_taille")
+        output_html = gr.HTML(label="ARASAAC Pictograms")
 
-    # Bouton pour afficher les résultats
-    submit_btn = gr.Button("Afficher les pictogrammes")
+    submit_btn = gr.Button("Generate")
     submit_btn.click(process_text, inputs=input_text, outputs=output_html)
 
 # Lancer l'application