msa_translator_app.py

import streamlit as st
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import torch

# تحميل النموذج والـ tokenizer
@st.cache_resource
def load_model():
    model_name = "PRAli22/arat5-arabic-dialects-translation"
    tokenizer = AutoTokenizer.from_pretrained(model_name)
    model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
    return tokenizer, model

tokenizer, model = load_model()

# تصميم الواجهة
st.set_page_config(page_title="MSA Translator", layout="centered")
st.title("🔁 MSA Translator")
st.markdown("ترجم من اللهجة المصرية إلى العربية الفصحى باستخدام الذكاء الاصطناعي.")

user_input = st.text_area("🗣️ اكتب جملة باللهجة المصرية", height=100)

if st.button("ترجم"):
    if user_input.strip() == "":
        st.warning("من فضلك اكتب جملة باللهجة.")
    else:
        inputs = tokenizer(user_input, return_tensors="pt", padding=True)
        with torch.no_grad():
            outputs = model.generate(**inputs, max_length=50, num_beams=5, early_stopping=True)
        translated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
        st.success("✅ الترجمة الفصحى:")
        st.write(f"📜 {translated_text}")