app.py

import torch
import gradio as gr
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# --------------------------------------------------
# Chargement du modèle NLLB
# --------------------------------------------------
MODEL_NAME = "facebook/nllb-200-distilled-1.3B"

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"🚀 Chargement du modèle {MODEL_NAME} sur {device}...")

tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForSeq2SeqLM.from_pretrained(MODEL_NAME).to(device)

# --------------------------------------------------
# Dictionnaire de langues
# --------------------------------------------------
LANGUAGES = {
    "Français": "fra_Latn",
    "Ewe": "ewe_Latn",
    "Fon": "fon_Latn",
    "Anglais": "eng_Latn",
    "Espagnol": "spa_Latn",
    "Allemand": "deu_Latn",
    "Swahili": "swh_Latn",
    "Lingala": "lin_Latn",
    "Portugais": "por_Latn"
}

# --------------------------------------------------
# Fonction de traduction
# --------------------------------------------------
def translate(text, src_lang, tgt_lang="Ewe"):
    if not text.strip():
        return "⚠️ Veuillez entrer un texte à traduire."

    try:
        # Configuration des langues (Source dynamique, Cible forcée sur Ewe)
        src_code = LANGUAGES.get(src_lang, "fra_Latn")
        tgt_code = LANGUAGES.get("Ewe", "ewe_Latn")
        
        # Tokenization avec spécification précise de la langue source
        # Note: Passer src_lang au tokenizer est crucial pour NLLB-200
        inputs = tokenizer(text, return_tensors="pt", padding=True, src_lang=src_code).to(device)
        
        # Génération avec paramètres optimisés pour éviter les répétitions
        with torch.no_grad():
            translated_tokens = model.generate(
                **inputs,
                forced_bos_token_id=tokenizer.convert_tokens_to_ids(tgt_code),
                max_length=512,
                num_beams=5,
                no_repeat_ngram_size=3,
                repetition_penalty=1.5, # Augmenté pour éviter "etudiant etudiant"
                early_stopping=True,
                length_penalty=1.0
            )
        
        # Décodage
        result = tokenizer.batch_decode(translated_tokens, skip_special_tokens=True)[0]
        
        # Sécurité pour les sorties vides ou identiques à l'entrée
        if not result.strip() or result.strip().lower() == text.strip().lower():
            # Si le modèle échoue, on tente une génération plus simple sans pénalités agressives
            with torch.no_grad():
                translated_tokens = model.generate(
                    **inputs,
                    forced_bos_token_id=tokenizer.convert_tokens_to_ids(tgt_code),
                    max_length=512,
                    num_beams=2
                )
            result = tokenizer.batch_decode(translated_tokens, skip_special_tokens=True)[0]

        if not result.strip():
            return "⚠️ Traduction impossible pour ce texte."
            
        return result
    except Exception as e:
        return f"❌ Erreur : {str(e)}"

# --------------------------------------------------
# Interface Gradio
# --------------------------------------------------
with gr.Blocks(title="🌍 Traduction EWE") as demo:
    gr.Markdown(
        """
        <div style="text-align: center;">
            <h1>� Yawotrad NLLB Translator</h1>
            <p style="font-size: 18px;">
                Traduction haute performance vers l'<b>Ewe</b>, le <b>Fon</b> et plus encore.
            </p>
        </div>
        """
    )

    with gr.Row():
        src_lang = gr.Dropdown(choices=list(LANGUAGES.keys()), value="Français", label="Langue source 🌍")
        # Masqué car la cible est toujours l'Ewe
        tgt_lang = gr.Textbox(value="Ewe", label="Langue cible (Fixée)", interactive=False)

    with gr.Row():
        text_input = gr.Textbox(placeholder="Entre ton texte ici...", lines=6, label="Texte à traduire")
        text_output = gr.Textbox(placeholder="Résultat de la traduction...", lines=6, label="Traduction")

    translate_btn = gr.Button("🔁 Traduire")
    translate_btn.click(translate, [text_input, src_lang, tgt_lang], text_output)

    gr.Markdown(
        """
        ---
        <div style="text-align: center; font-size: 14px;">
            🧠 Propulsé par <a href="https://strivenew.com" target="_blank">Strive y-200 (1.1B)</a><br>
             <b>Strive</b>
        </div>
        """
    )

demo.launch()