app.py

import gradio as gr
import requests
import os
import io
from PIL import Image
from dotenv import load_dotenv
from pydub import AudioSegment
from huggingface_hub import InferenceClient
import json

# Charger les variables d'environnement
load_dotenv()

# Générateur d'images
FLUX1_APIKEY = os.getenv('FLUX1_APIKEY')
# LLM
GEMINI_APIKEY = os.getenv('GEMINI_APIKEY')
# Modèle Whisper pour la transcription audio
WHISPER_APIKEY = os.getenv('WHISPER_APIKEY')

def TranscribeAudio(inputAudio): 
    
    API_URL = "https://api-inference.huggingface.co/models/openai/whisper-large-v3"
    headers = {"Authorization": f"Bearer {WHISPER_APIKEY}"}
    
    def query(filename):
        with open(filename, "rb") as f:
            data = f.read()
        response = requests.post(API_URL, headers=headers, data=data)
        return response.json()
    
    output = query(inputAudio)

def GenerateTextLLM(inputText):
    url = f'https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash-latest:generateContent?key={GEMINI_APIKEY}'
    headers = {
        'Content-Type': 'application/json'
    }
    data = {
        "prompt": inputText,
        "model": "gemini-1.5-flash-latest"
    }
    
    try:
        response = requests.post(url, headers=headers, json=data)
        response.raise_for_status()  # Va lancer une exception si la réponse a un statut d'erreur
        result = json.loads(response.text)
        return result['candidates'][0]['content']['parts'][0]['text']
    except requests.exceptions.RequestException as e:
        return f'Error in LLM processing: {e}'
    except (KeyError, json.JSONDecodeError) as e:
        return f'Error parsing response: {e}'

def GenerateImageFromText(prompt):
    API_URL = "https://api-inference.huggingface.co/models/black-forest-labs/FLUX.1-dev"
    headers = {"Authorization": f"Bearer {FLUX1_APIKEY}"}

    def query(payload):
        response = requests.post(API_URL, headers=headers, json=payload)
        return response.content

    image_bytes = query({"inputs": prompt})
    image = Image.open(io.BytesIO(image_bytes))

    return image

# Fonction principale qui traite soit le texte soit l'audio
def Main(text_input, audio_input):
    if text_input:
        input_data = text_input
    elif audio_input:
        input_data = TranscribeAudio(audio_input)
    else:
        return "Veuillez fournir un texte ou un fichier audio", None
    
    # Générer le résumé du LLM en plusieurs axes
    summarized_text = GenerateTextLLM(input_data)
    axes = summarized_text.split("\n")  # Supposons que le LLM renvoie un texte structuré
    
    # Générer une image pour chaque axe
    images = [GenerateImageFromText(axis) for axis in axes if axis]
    
    return images, summarized_text, input_data

# Interface Gradio
inputs = [
    gr.Textbox(label="Texte (laisser vide si audio fourni)", lines=5, placeholder="Entrez votre texte ici..."),
    gr.Audio(sources="upload", type="filepath", label="Fichier audio (laisser vide si texte fourni)")
]

outputs = [
    gr.Gallery(label="Diapositives générées"),
    gr.Textbox(label="Résumé en axes"),
    "text"
]

interface = gr.Interface(
    fn=Main,
    inputs=inputs,
    outputs=outputs,
    title="Résumé et Génération de Diapositives",
    description="Entrez un texte ou un fichier audio, le modèle LLM résumera l'entrée en plusieurs axes avec des mots-clés, et des diapositives seront générées pour chaque axe."
)

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