Update app.py

app.py

@@ -1,4 +1,3 @@
-import os
 import gradio as gr
 from transformers import AutoProcessor, AutoModelForCausalLM
 from PIL import Image
@@ -8,9 +7,7 @@ import spacy
 import requests
 import nltk.tree
 import re
-
-# Baixar o modelo de português do spaCy
-os.system("python -m spacy download pt_core_news_sm")
+import os
 
 # Carregar o modelo de português do spaCy
 nlp = spacy.load("pt_core_news_sm")
@@ -193,15 +190,6 @@ def reordenar_sentenca(sentenca):
         sentenca_normalizada += frase[i] + " "
     return sentenca_normalizada.strip()
 
-# Carregar os modelos
-processor = AutoProcessor.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
-model = AutoModelForCausalLM.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
-
-# Configurar o dispositivo (GPU ou CPU)
-device = "cuda" if torch.cuda.is_available() else "cpu"
-model.to(device)
-
-# Funções auxiliares
 def prepare_image(image_path):
     image = Image.open(image_path).convert("RGB")
     inputs = processor(images=image, return_tensors="pt").to(device)
@@ -224,13 +212,22 @@ def text_to_speech_gtts(text, lang='pt'):
     tts.save("output.mp3")
     return "output.mp3"
 
+# Carregar os modelos
+processor = AutoProcessor.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
+model = AutoModelForCausalLM.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
+
+# Configurar o dispositivo (GPU ou CPU)
+device = "cuda" if torch.cuda.is_available() else "cpu"
+model.to(device)
+
 # Função principal para processar a imagem e gerar a voz
 def process_image(image):
     _, pixel_values = prepare_image(image)
     caption_pt = generate_caption(pixel_values)
-    caption_pt = reordenar_sentenca(caption_pt)
-    audio_file = text_to_speech_gtts(caption_pt)
-    return caption_pt, audio_file
+    sentenca_normalizada = reordenar_sentenca(caption_pt)
+    audio_file = text_to_speech_gtts(sentenca_normalizada)
+    productions = get_productions(sentenca_normalizada)
+    return sentenca_normalizada, productions, audio_file
 
 # Caminhos para as imagens de exemplo
 example_image_paths = [
@@ -243,7 +240,7 @@ example_image_paths = [
 iface = gr.Interface(
     fn=process_image,
     inputs=gr.Image(type="filepath"),
-    outputs=[gr.Textbox(), gr.Audio(type="filepath")],
+    outputs=[gr.Textbox(label="Sentença Normalizada"), gr.Textbox(label="Classes Gramaticais"), gr.Audio(type="filepath", label="Áudio")],
     examples=example_image_paths,
     title="Image to Voice",
     description="Gera uma descrição em português e a converte em voz a partir de uma imagem."