app.py

import gradio as gr
from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import torch

# Carregando o modelo da Microsoft
processor = TrOCRProcessor.from_pretrained("microsoft/trocr-base-printed")
model = VisionEncoderDecoderModel.from_pretrained("microsoft/trocr-base-printed")
device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)

def ocr_trocr(image):
    if image is None:
        return "Envie uma imagem válida."

    # Pré-processa a imagem
    pixel_values = processor(images=image, return_tensors="pt").pixel_values
    pixel_values = pixel_values.to(device)

    # Geração do texto
    generated_ids = model.generate(pixel_values)
    generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

    return generated_text

# Interface Gradio
interface = gr.Interface(
    fn=ocr_trocr,
    inputs=gr.Image(type="pil", label="Envie uma imagem com texto impresso"),
    outputs=gr.Textbox(label="Texto detectado"),
    title="OCR com TrOCR (Microsoft)",
    description="Reconhecimento de texto impresso usando o modelo TrOCR da Microsoft."
)

if __name__ == "__main__":
    interface.launch()