Update app.py

app.py

@@ -31,35 +31,49 @@ LANGUAGES = {
 # --------------------------------------------------
 # Fonction de traduction
 # --------------------------------------------------
-def translate(text, src_lang, tgt_lang):
+def translate(text, src_lang, tgt_lang="Ewe"):
     if not text.strip():
         return "⚠️ Veuillez entrer un texte à traduire."
 
     try:
-        # Configuration des langues
+        # Configuration des langues (Source dynamique, Cible forcée sur Ewe)
         src_code = LANGUAGES.get(src_lang, "fra_Latn")
-        tgt_code = LANGUAGES.get(tgt_lang, "ewe_Latn")
+        tgt_code = LANGUAGES.get("Ewe", "ewe_Latn")
         
-        # Indispensable pour NLLB : définir la langue source dans le tokenizer
-        tokenizer.src_lang = src_code
+        # 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)
         
-        # Tokenization
-        inputs = tokenizer(text, return_tensors="pt", padding=True).to(device)
-        
-        # Génération
+        # 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
+                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]
         
-        # Nettoyage si le modèle renvoie du texte vide ou des espaces
+        # 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 "⚠️ Le modèle n'a pas pu générer de traduction. Essayez une phrase plus simple."
+            return "⚠️ Traduction impossible pour ce texte."
             
         return result
     except Exception as e:
@@ -72,10 +86,9 @@ with gr.Blocks(title="🌍 Traduction EWE") as demo:
     gr.Markdown(
         """
         <div style="text-align: center;">
-            <h1>🌐 Traducteur IA langues africaine</h1>
+            <h1>� Yawotrad NLLB Translator</h1>
             <p style="font-size: 18px;">
-                Propulsé par <b>Strive y-200 (1.1B)</b> —  <b></b>,
-                <b>l’Ewe</b>, <b></b> 
+                Traduction haute performance vers l'<b>Ewe</b>, le <b>Fon</b> et plus encore.
             </p>
         </div>
         """
@@ -83,7 +96,8 @@ with gr.Blocks(title="🌍 Traduction EWE") as demo:
 
     with gr.Row():
         src_lang = gr.Dropdown(choices=list(LANGUAGES.keys()), value="Français", label="Langue source 🌍")
-        tgt_lang = gr.Dropdown(choices=list(LANGUAGES.keys()), value="Ewe", label="Langue cible 🌍")
+        # 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")