import streamlit as st
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
@st.cache_resource  # Streamlit cache untuk menghindari muatan ulang model saat reload aplikasi
def load_model():
    model_name = "andrisusilo10/Llama-2-7b-chat-slang"  # Ganti dengan nama model yang Anda upload di Hugging Face
    tokenizer = AutoTokenizer.from_pretrained(model_name)
    model = AutoModelForCausalLM.from_pretrained(model_name)
    return tokenizer, model
def translate_slang(input_text, tokenizer, model):
    inputs = tokenizer.encode(input_text, return_tensors="pt")
    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)
    return translated_text
def main():
    st.title("Chatbot Penerjemah Bahasa Gaul Gen Z dan Gen Alpha")
    st.write("Masukkan teks dalam bahasa gaul dan dapatkan hasil terjemahannya.")

    # Memuat model
    tokenizer, model = load_model()

    # Input teks dari pengguna
    user_input = st.text_area("Masukkan teks di sini:", placeholder="Masukkan kalimat gaul dari media sosial...")

    if st.button("Terjemahkan"):
        if user_input:
            translated_text = translate_slang(user_input, tokenizer, model)
            st.write("Hasil Terjemahan:")
            st.success(translated_text)
        else:
            st.warning("Harap masukkan teks untuk diterjemahkan.")

if __name__ == "__main__":
    main()