Update app.py

app.py

@@ -1,6 +1,17 @@
+import os
+import requests
 import streamlit as st
 import fitz  # Utilisation de PyMuPDF (PdfReader) pour extraire le texte depuis le PDF
 from transformers import pipeline
+import io
+from PIL import Image
+
+API_URL = "https://api-inference.huggingface.co/models/runwayml/stable-diffusion-v1-5"
+headers = {"Authorization": "Bearer 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"}
+
+def query(payload):
+    response = requests.post(API_URL, headers=headers, json=payload)
+    return response.content
 
 summarizer = pipeline("summarization", model="facebook/bart-large-cnn")
 
@@ -34,9 +45,17 @@ if uploaded_file is not None:
     longs_paragraphes = extraire_long_paragraphes("\n\n".join(paragraphs), longueur_maximale=1000)
 
     # Affichez les longs paragraphes extraits avec des numéros et des résumés
-    # Affichez les longs paragraphes extraits avec des numéros et des résumés
-    st.subheader("Longs paragraphes du PDF avec résumé:")
+    st.subheader("Longs paragraphes du PDF avec résumé et image générée:")
     for i, paragraphe in enumerate(longs_paragraphes, start=1):
+        # Générer un résumé
         summary = summarizer(paragraphe, max_length=900, min_length=30, do_sample=False)
-        st.text(f"Paragraphe {i}: {summary[0]['summary_text']}")  # Use summary[0]['summary_text']
-
+        
+        # Générer une image à partir du paragraphe
+        image_bytes = query({
+            "inputs": paragraphe,
+        })
+        image = Image.open(io.BytesIO(image_bytes))
+        
+        # Afficher le paragraphe, le résumé et l'image générée
+        st.text(f"Paragraphe {i}: {summary[0]['summary_text']}")
+        st.image(image)