Update app.py

app.py

@@ -1,41 +1,29 @@
 import gradio as gr
 from transformers import pipeline
-import pandas as pd
 
-# استفاده از مدل ParsT5 برای تولید خلاصه متون فارسی
-summarizer = pipeline("text2text-generation", model="HooshvareLab/parsT5-base")
-# استفاده از مدل ParsBERT برای دسته‌بندی (برچسب‌گذاری) متن فارسی
-classifier = pipeline("text-classification", model="HooshvareLab/bert-base-parsbert-uncased")
+# ساخت pipeline تولید متن با مدل GPT-2 فارسی
+generator = pipeline("text-generation", model="HooshvareLab/gpt2-fa")
 
-def process_chats(file_obj):
-    # خواندن فایل CSV؛ فرض شده ستون 'chat' شامل متن هر چت است.
-    df = pd.read_csv(file_obj)
-    summaries = []
-    tags = []
-    
-    for chat in df['chat']:
-        # افزودن پیشوند برای روشن کردن وظیفه خلاصه‌سازی به مدل
-        sum_input = "خلاصه کن: " + chat
-        summary_text = summarizer(sum_input, max_length=130, min_length=30, do_sample=False)[0]['generated_text']
-        
-        # دسته‌بندی متن برای اختصاص برچسب
-        classification = classifier(chat)
-        tag = classification[0]['label']
-        
-        summaries.append(summary_text)
-        tags.append(tag)
-    
-    df['خلاصه'] = summaries
-    df['برچسب'] = tags
-    # برگرداندن خروجی به صورت فایل CSV
-    return df.to_csv(index=False)
+def generate_text(prompt, max_length):
+    """
+    تابع دریافت متن ورودی (prompt) و تولید متن تکمیلی با حد اکثر طول مشخص شده.
+    """
+    # فراخوانی مدل برای تولید متن
+    generated = generator(prompt, max_length=int(max_length), do_sample=True)
+    # مدل خروجی را در قالب یک دیکشنری برمی‌گرداند؛ به همین دلیل اولین خروجی را انتخاب می‌کنیم.
+    return generated[0]['generated_text']
 
+# طراحی رابط کاربری با استفاده از Gradio
 iface = gr.Interface(
-    fn=process_chats,
-    inputs=gr.File(label="آپلود فایل چت (CSV با ستون 'chat')"),
-    outputs="file",
-    title="خلاصه‌سازی و برچسب‌گذاری چت‌های پشتیبانی به زبان فارسی",
-    description="با آپلود فایل چت (CSV) که شامل ستون 'chat' است، یک نسخه خلاصه‌شده و برچسب‌خورده از چت‌ها دریافت کنید."
+    fn=generate_text,
+    inputs=[
+        gr.Textbox(lines=5, placeholder="متن ورودی خود را وارد کنید...", label="متن ورودی (Prompt)"),
+        gr.Slider(minimum=20, maximum=200, step=1, value=100, label="حداکثر طول متن تولیدی")
+    ],
+    outputs="text",
+    title="تولید متن فارسی با HooshvareLab/gpt2-fa",
+    description="با وارد کردن یک متن اولیه، مدل GPT-2 فارسی متن تکمیلی تولید می‌کند."
 )
 
-iface.launch()
+if __name__ == "__main__":
+    iface.launch()