Create app.py

app.py

@@ -0,0 +1,514 @@
+
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, AutoConfig
+from fastapi import FastAPI
+from pydantic import BaseModel
+import gradio as gr
+import sounddevice as sd
+import numpy as np
+import wave
+import tempfile
+from gtts import gTTS
+import os
+
+# Клонирование репозитория Hugging Face
+!git clone https://huggingface.co/spaces/Wtiger/Prosto_Ai
+device = "cuda" if torch.cuda.is_available() else "cpu"
+
+# Определяем стратегию загрузки модели
+if torch.cuda.is_available():
+    vram_total = torch.cuda.get_device_properties(0).total_memory / (1024 ** 3)
+    if vram_total >= 16:
+        quantization_config = BitsAndBytesConfig(
+            load_in_4bit=True,
+            bnb_4bit_compute_dtype=torch.float16,
+            bnb_4bit_use_double_quant=True,
+            bnb_4bit_quant_type="nf4"
+        )
+        device_map = "auto"
+    elif vram_total >= 10:
+        quantization_config = BitsAndBytesConfig(load_in_8bit=True)
+        device_map = "auto"
+    else:
+        quantization_config = None
+        device_map = {"": "cpu"}
+else:
+    quantization_config = None
+    device_map = {"": "cpu"}
+
+# Загружаем модель FreedomIntelligence/RAG-Instruct-Llama3-3B
+model_name = "FreedomIntelligence/RAG-Instruct-Llama3-3B"
+config = AutoConfig.from_pretrained(model_name)
+
+if quantization_config is not None:
+    quantization_config.llm_int8_enable_fp32_cpu_offload = True
+    quantization_config.offload_folder = "offload_weights"
+
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    config=config,
+    quantization_config=quantization_config,
+    device_map=device_map,
+)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+# FastAPI
+app = FastAPI()
+
+class MathQuery(BaseModel):
+    topic: str
+    difficulty: str = "medium"
+
+def generate_math_lesson(topic: str, difficulty: str):
+    prompt = f"Create a {difficulty} level math lesson on {topic} in English."
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=300, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+def generate_english_task():
+    prompt = "Generate a random English learning exercise."
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+def generate_random_task(difficulty):
+    """
+    This function generates a random English learning exercise using the
+    language model. It's similar to generate_english_task but can be
+    modified to generate different types of random tasks.
+    """
+    prompt = f"Generate a random English learning exercise {difficulty}"
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+
+def answer_help_question(question: str):
+    prompt = f"Answer this question: {question}"
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+
+# Gradio Web UI - Киберпанк стиль
+custom_css = """
+body {
+    background-color: #000;
+    color: #0ff;
+    font-family: 'Orbitron', sans-serif;
+    background-image: url('https://wallpaperaccess.com/full/1503811.jpg');
+    background-size: cover;
+}
+.container {
+    max-width: 900px;
+    margin: auto;
+    padding: 20px;
+    background: rgba(10, 10, 10, 0.9);
+    border-radius: 10px;
+    box-shadow: 0px 0px 20px cyan;
+}
+button {
+    background: linear-gradient(45deg, #ff00ff, #00ffff);
+    color: black;
+    padding: 10px;
+    border: none;
+    border-radius: 5px;
+    cursor: pointer;
+    font-weight: bold;
+}
+button:hover {
+    background: linear-gradient(45deg, #ff0000, #00ff00);
+}
+"""
+
+# Проверяем доступность устройства
+device = "cuda" if torch.cuda.is_available() else "cpu"
+
+# Проверяем наличие необходимых библиотек и загружаем модель для распознавания речи
+try:
+    model_name = "openai/whisper-small"
+    model = AutoModelForSpeechSeq2Seq.from_pretrained(model_name).to(device)
+    processor = AutoProcessor.from_pretrained(model_name)
+    stt_pipeline = pipeline(
+        "automatic-speech-recognition", model=model, tokenizer=processor.tokenizer,
+        feature_extractor=processor.feature_extractor, device=0 if torch.cuda.is_available() else -1
+    )
+except ModuleNotFoundError as e:
+    print(f"Ошибка: {e}. Убедитесь, что все зависимости установлены.")
+    exit()
+
+def record_audio(duration=5, samplerate=16000):
+    print("Recording...")
+    audio_data = sd.rec(int(duration * samplerate), samplerate=samplerate, channels=1, dtype='int16')
+    sd.wait()
+    print("Recording finished")
+    return np.squeeze(audio_data)
+
+def save_audio(audio_data, samplerate=16000):
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as temp_wav:
+        with wave.open(temp_wav.name, 'wb') as wf:
+            wf.setnchannels(1)
+            wf.setsampwidth(2)
+            wf.setframerate(samplerate)
+            wf.writeframes(audio_data.tobytes())
+        return temp_wav.name
+
+def transcribe_audio():
+    try:
+        audio_data = record_audio()
+        audio_path = save_audio(audio_data)
+        result = stt_pipeline(audio_path)
+        return result.get("text", "Ошибка распознавания")
+    except Exception as e:
+        return f"Ошибка обработки аудио: {e}"
+
+def generate_ai_response(user_text):
+    return f"Вы сказали: {user_text}. Это тестовый ответ AI."
+
+def tts_response(text):
+    try:
+        tts = gTTS(text, lang='ru')
+        temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".mp3")
+        tts.save(temp_file.name)
+        return temp_file.name
+    except Exception as e:
+        print(f"Ошибка генерации речи: {e}")
+        return None
+
+def voice_interaction():
+    greeting_text = "Привет! Я ваш голосовой ассистент. Как я могу помочь?"
+    greeting_audio = tts_response(greeting_text)
+    recognized_text = transcribe_audio()
+    print("User said:", recognized_text)
+    response_text = generate_ai_response(recognized_text)
+    response_audio = tts_response(response_text)
+    return greeting_text, greeting_audio, recognized_text, response_text, response_audio
+
+
+
+with gr.Blocks(css=custom_css) as demo:
+    gr.Markdown("""
+    <div class='container'>
+        <h1>⚡ CyberAI Learning Platform ⚡</h1>
+        <h2>🚀 Powered by FreedomIntelligence/RAG-Instruct-Llama3-3B</h2>
+    </div>
+    """)
+
+    with gr.Tabs() as tabs:
+        with gr.TabItem("Math Lessons"):
+            topic_input = gr.Textbox(label="Enter Math Topic")
+            difficulty_level = gr.Radio(["Easy", "Medium", "Hard"], label="Select Difficulty", value="Medium")
+            generate_button = gr.Button("Generate Lesson")
+            lesson_output = gr.Textbox(label="Generated Lesson", interactive=False)
+            generate_button.click(generate_math_lesson, inputs=[topic_input, difficulty_level], outputs=lesson_output)
+
+        with gr.TabItem("English Tasks"):
+            task_list = gr.Textbox(label="Generated English Task", interactive=False)
+            refresh_button = gr.Button("Get New Task")
+            refresh_button.click(generate_english_task, outputs=task_list)
+
+        with gr.TabItem("English Study Plan"):
+            study_plan_text = """<h3>English Tenses Overview</h3>
+            <p>There are 12 tenses in English, divided into 4 groups...</p>"""
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, AutoConfig
+from fastapi import FastAPI
+from pydantic import BaseModel
+import gradio as gr
+
+# Определяем устройство
+device = "cuda" if torch.cuda.is_available() else "cpu"
+
+# Определяем стратегию загрузки модели
+if torch.cuda.is_available():
+    vram_total = torch.cuda.get_device_properties(0).total_memory / (1024 ** 3)
+    if vram_total >= 16:
+        quantization_config = BitsAndBytesConfig(
+            load_in_4bit=True,
+            bnb_4bit_compute_dtype=torch.float16,
+            bnb_4bit_use_double_quant=True,
+            bnb_4bit_quant_type="nf4"
+        )
+        device_map = "auto"
+    elif vram_total >= 10:
+        quantization_config = BitsAndBytesConfig(load_in_8bit=True)
+        device_map = "auto"
+    else:
+        quantization_config = None
+        device_map = {"": "cpu"}
+else:
+    quantization_config = None
+    device_map = {"": "cpu"}
+
+# Загружаем модель FreedomIntelligence/RAG-Instruct-Llama3-3B
+model_name = "FreedomIntelligence/RAG-Instruct-Llama3-3B"
+config = AutoConfig.from_pretrained(model_name)
+
+if quantization_config is not None:
+    quantization_config.llm_int8_enable_fp32_cpu_offload = True
+    quantization_config.offload_folder = "offload_weights"
+
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    config=config,
+    quantization_config=quantization_config,
+    device_map=device_map,
+)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+# FastAPI
+app = FastAPI()
+
+class MathQuery(BaseModel):
+    topic: str
+    difficulty: str = "medium"
+
+def generate_math_lesson(topic: str, difficulty: str):
+    prompt = f"Create a {difficulty} level math lesson on {topic} in English."
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=300, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+def generate_english_task(difficulty):
+    prompt = f"Generate a random English learning exercise, {difficulty}"
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+def generate_task_by_topic(topic: str,difficulty):
+    prompt = f"Generate a random English learning {topic} exercise ,{difficulty} "
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+def answer_help_question(question: str):
+    prompt = f"Answer this question: {question}"
+    inputs = tokenizer(prompt, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+# Gradio Web UI - Киберпанк стиль
+custom_css = """
+body {
+    background-color: #000;
+    color: #0ff;
+    font-family: 'Orbitron', sans-serif;
+    background-image: url('https://wallpaperaccess.com/full/1503811.jpg');
+    background-size: cover;
+}
+.container {
+    max-width: 900px;
+    margin: auto;
+    padding: 20px;
+    background: rgba(10, 10, 10, 0.9);
+    border-radius: 10px;
+    box-shadow: 0px 0px 20px cyan;
+}
+button {
+    background: linear-gradient(45deg, #ff00ff, #00ffff);
+    color: black;
+    padding: 10px;
+    border: none;
+    border-radius: 5px;
+    cursor: pointer;
+    font-weight: bold;
+}
+button:hover {
+    background: linear-gradient(45deg, #ff0000, #00ff00);
+}
+"""
+
+with gr.Blocks(css=custom_css) as demo:
+    gr.Markdown("""
+    <div class='container'>
+        <h1>⚡ Prosto AI⚡</h1>
+        <h2></h2>
+    </div>
+    """)
+
+    with gr.Tabs() as tabs:
+        with gr.TabItem("Math Lessons"):
+            topic_input = gr.Textbox(label="Enter Math Topic")
+            difficulty_level = gr.Radio(["Easy", "Medium", "Hard"], label="Select Difficulty", value="Medium")
+            generate_button = gr.Button("Generate Lesson")
+            lesson_output = gr.Textbox(label="Generated Lesson", interactive=False)
+            generate_button.click(generate_math_lesson, inputs=[topic_input, difficulty_level], outputs=lesson_output)
+
+        with gr.TabItem("English Tasks"):
+            difficulty_level = gr.Radio(["Easy", "Medium", "Hard"], label="Select Difficulty", value="Medium")
+
+
+
+            gr.Markdown("**Generate a task based on a specific topic or randomly:**")
+            task_topic_input = gr.Textbox(label="Enter a topic for the task")
+            generate_task_button = gr.Button("Generate Task by Topic")
+            generate_random_task_button = gr.Button("Generate Random Task")
+            generated_task_output = gr.Textbox(label="Generated Task", interactive=False)
+
+            generate_task_button.click(generate_task_by_topic, inputs=[task_topic_input, difficulty_level], outputs=generated_task_output)
+            generate_random_task_button.click(generate_random_task, inputs=[difficulty_level], outputs=generated_task_output)
+
+
+
+        with gr.TabItem("English Study Plan"):
+            study_plan_text = """<h3>English Tenses Overview</h3>
+            <p>План изучения английских времён
+Изучение времён английского языка лучше всего разбивать на этапы, начиная с самых простых и постепенно переходя к более сложным. Этот план поможет вам постепенно освоить все времена и научиться их применять.
+
+🔹 Этап 1: Введение в систему времён
+📌 Цель: Ознакомиться с группами времён и их особенностями.
+
+Понять, что в английском языке 12 времён, которые делятся на 4 группы:
+Simple (Простые) – действие как факт.
+Continuous (Длительные) – действие в процессе.
+Perfect (Совершенные) – результат.
+Perfect Continuous (Совершенные длительные) – процесс с акцентом на длительность.
+🔹 Этап 2: Освоение группы Simple (Простые времена)
+📌 Цель: Научиться выражать действия как факты, повторяющиеся события и события в будущем.
+
+Present Simple (Настоящее простое)
+
+Используется для регулярных действий, фактов и расписаний.
+Формула: (I/You/We/They + V / He/She/It + V+s/es)
+Пример: I go to school every day.
+Past Simple (Прошедшее простое)
+
+Действие, которое произошло в прошлом и закончилось.
+Формула: (V2 или V+ed)
+Пример: She visited Paris last year.
+Future Simple (Будущее простое)
+
+Действие, которое произойдёт в будущем.
+Формула: (will + V)
+Пример: They will travel to Japan next summer.
+📝 Практика: ✔️ Напишите 10 предложений в каждом времени.
+✔️ Используйте глаголы в разных формах.
+✔️ Расскажите о своём дне, вчерашнем дне и планах на завтра.
+
+🔹 Этап 3: Изучение группы Continuous (Длительные времена)
+📌 Цель: Научиться говорить о процессах, которые происходят в конкретный момент времени.
+
+Present Continuous (Настоящее длительное)
+
+Действие происходит прямо сейчас или в ближайшем будущем.
+Формула: (am/is/are + V-ing)
+Пример: She is reading a book now.
+Past Continuous (Прошедшее длительное)
+
+Действие длилось в определённый момент в прошлом.
+Формула: (was/were + V-ing)
+Пример: They were watching TV when I called.
+Future Continuous (Будущее длительное)
+
+Действие будет происходить в определённый момент в будущем.
+Формула: (will be + V-ing)
+Пример: This time tomorrow, I will be flying to New York.
+📝 Практика: ✔️ Опишите, что вы делаете прямо сейчас.
+✔️ Расскажите о том, что вы делали вчера в определённое время.
+✔️ Опишите, чем вы будете заниматься в завтрашний вечер.
+
+🔹 Этап 4: Освоение группы Perfect (Совершенные времена)
+📌 Цель: Научиться говорить о результатах действий.
+
+Present Perfect (Настоящее совершенное)
+
+Действие произошло в прошлом, но его результат важен сейчас.
+Формула: (have/has + V3)
+Пример: I have just finished my homework.
+Past Perfect (Прошедшее совершенное)
+
+Действие произошло до другого действия в прошлом.
+Формула: (had + V3)
+Пример: By the time I arrived, they had left.
+Future Perfect (Будущее совершенное)
+
+Действие завершится к определённому моменту в будущем.
+Формула: (will have + V3)
+Пример: I will have finished the report by tomorrow.
+📝 Практика: ✔️ Опишите, что вы уже сделали сегодня.
+✔️ Расскажите о событии, которое произошло до другого события в прошлом.
+✔️ Напишите, что вы завершите к концу следующей недели.
+
+🔹 Этап 5: Совершенные длительные времена (Perfect Continuous)
+📌 Цель: Использовать времена для описания длительных процессов с акцентом на продолжительность.
+
+Present Perfect Continuous (Настоящее совершенное длительное)
+
+Действие началось в прошлом и продолжается до сих пор.
+Формула: (have/has been + V-ing)
+Пример: I have been studying English for 5 years.
+Past Perfect Continuous (Прошедшее совершенное длительное)
+
+Действие длилось до определённого момента в прошлом.
+Формула: (had been + V-ing)
+Пример: She had been working at that company for 3 years before she quit.
+Future Perfect Continuous (Будущее совершенное длительное)
+
+Действие будет продолжаться до определённого момента в будущем.
+Формула: (will have been + V-ing)
+Пример: By next year, I will have been living here for 10 years.
+📝 Практика: ✔️ Опишите, как долго вы занимаетесь каким-либо хобби.
+✔️ Напишите, как долго длилось какое-то действие до определённого момента в прошлом.
+✔️ Составьте предложение о том, как долго вы будете чем-то заниматься в будущем.
+
+🔹 Этап 6: Итоговое повторение и практика
+📌 Цель: Закрепить знания и научиться использовать времена в речи.
+
+✅ Повто��ите основные отличия времён.
+✅ Составьте сравнительные таблицы, чтобы видеть разницу между временами.
+✅ Практикуйтесь в устной и письменной речи:
+
+Опишите один день из жизни с разными временами.
+Составьте рассказ о себе, используя все времена.
+Потренируйтесь объяснять ситуации с разными временными формами.
+🔹 Совет: Лучше всего изучать времена постепенно, разбирая примеры и активно используя их в речи! 🚀
+
+Такой подход поможет вам поэтапно освоить все времена и научиться использовать их правильно. Если нужна дополнительная практика или примеры — дайте знать! 😊
+
+
+
+
+
+
+
+</p>"""
+            gr.Markdown(study_plan_text)
+            help_button = gr.Button("❓ Need Help?")
+            help_button.click(lambda: tabs.select(tabs.value)) #Fixed this line
+
+        with gr.TabItem("Help"):
+            question_input = gr.Textbox(label="Ask a question")
+            answer_output = gr.Textbox(label="AI Response", interactive=False)
+            ask_button = gr.Button("Ask AI")
+            ask_button.click(answer_help_question, inputs=[question_input], outputs=answer_output)
+        with gr.TabItem("Talking"):
+            record_button = gr.Button("🎙️ Говорить")
+            upload_audio = gr.File(label="Upload Audio")
+            greeting_output = gr.Audio(label="AI Приветствие", autoplay=True)
+            transcription_output = gr.Textbox(label="Распознанный текст")
+            response_text_output = gr.Textbox(label="Ответ AI")
+            audio_output = gr.Audio(label="Голосовой ответ AI", autoplay=True)
+            
+            record_button.click(voice_interaction, outputs=[greeting_output, transcription_output, response_text_output, audio_output])
+            upload_audio.change(transcribe_audio, inputs=[upload_audio], outputs=[transcription_output])
+
+
+            record_button.click(voice_interaction, outputs=[greeting_output, transcription_output, response_text_output, audio_output])
+        with gr.TabItem("Resources"): # Nested correctly under tabs
+            gr.Markdown("## 📚 Полезные ресурсы для изучения английского")
+            
+            with gr.Row(): # Nested correctly under Resources TabItem
+                gr.Markdown("[🎬 Фильмы на английском](https://www.netflix.com/)", label="Фильмы")
+                gr.Markdown("[📖 Книги на английском](https://www.gutenberg.org/)", label="Книги")
+
+            with gr.Row(): # Nested correctly under Resources TabItem
+                gr.Markdown("[🎧 Аудиокниги](https://librivox.org/)", label="Аудиокниги")
+                gr.Markdown("[📚 Уроки английского](https://www.ef.com/wwen/english-resources/)", label="Уроки английского")
+                
+            with gr.Row(): # Nested correctly under Resources TabItem
+                gr.Markdown("[📺 Видео-уроки](https://www.youtube.com/results?search_query=learn+english)", label="Видео-уроки")
+                gr.Markdown("[📝 Грамматические упражнения](https://www.englishclub.com/grammar/)", label="Грамматика")
+                
+
+
+
+demo.launch()
+