Create app.py

app.py

@@ -0,0 +1,78 @@
+import io
+import uvicorn
+from PIL import Image
+from fastapi import FastAPI, UploadFile, File, Response
+from transformers import pipeline
+
+# --- 1. Глобальная загрузка модели (СВЕРХБЫСТРЫЙ СТАРТ) ---
+# Модель загружается только один раз при запуске сервера.
+# Используем пайплайн для простоты и эффективности.
+try:
+    print(">>> Загрузка модели LightOnOCR-1B-1025... Это может занять несколько минут при первом запуске.")
+    # Используем torch.bfloat16 для ускорения и уменьшения потребления памяти, если доступно
+    ocr_pipeline = pipeline(
+        "image-to-text",
+        model="lightonai/LightOnOCR-1B-1025",
+        device="cuda" if torch.cuda.is_available() else "cpu", # Используем GPU, если он доступен
+        torch_dtype=torch.bfloat16 if torch.cuda.is_available() else None,
+    )
+    print(">>> Модель успешно загружена!")
+except Exception as e:
+    print(f"Ошибка при загрузке модели: {e}")
+    ocr_pipeline = None
+
+# Инициализация FastAPI
+app = FastAPI(
+    title="LightOnOCR Super-Fast API",
+    description="Публичный API для высокоскоростного распознавания текста.",
+    version="1.0.0",
+)
+
+# --- 2. Эндпоинт API ---
+
+@app.post(
+    "/api/ocr",
+    summary="Запустить OCR по изображению",
+    response_description="Расшифрованный текст",
+)
+async def run_ocr(file: UploadFile = File(..., description="Изображение для расшифровки")):
+    """
+    Принимает изображение (JPG, PNG и т.д.) и возвращает распознанный текст.
+    """
+    if ocr_pipeline is None:
+        return Response(content="Сервер не готов. Модель не загружена.", status_code=503)
+
+    try:
+        # 1. Чтение файла в память
+        contents = await file.read()
+        
+        # 2. Конвертация байтов в объект PIL Image
+        image = Image.open(io.BytesIO(contents)).convert("RGB")
+        
+        # 3. Запуск пайплайна (САМЫЙ БЫСТРЫЙ ЭТАП)
+        results = ocr_pipeline(image, generate_kwargs={"max_new_tokens": 1024})
+        
+        # 4. Извлечение текста
+        if results and isinstance(results, list) and 'generated_text' in results[0]:
+            decoded_text = results[0]['generated_text']
+            return {"text": decoded_text}
+        else:
+            return {"text": "Ошибка: Не удалось распознать текст или результат пуст."}
+
+    except Exception as e:
+        # Логирование ошибок для отладки
+        print(f"Ошибка обработки запроса: {e}")
+        return Response(content=f"Внутренняя ошибка сервера: {str(e)}", status_code=500)
+
+# --- 3. Главная страница (для совместимости с HF Space) ---
+
+@app.get("/", include_in_schema=False)
+async def home():
+    """Перенаправление на документацию API."""
+    return {"message": "API запущен. Используйте эндпоинт /api/ocr (POST) или посмотрите документацию по /docs"}
+
+# --- 4. Запуск сервера (для локального тестирования) ---
+if __name__ == "__main__":
+    # На Hugging Face Space этот блок не запускается, 
+    # сервер запускается через команду uvicorn (см. ниже)
+    uvicorn.run(app, host="0.0.0.0", port=7860)