Update app.py

app.py

@@ -1,81 +1,43 @@
-!pip install transformers accelerate torch PyPDF2 gradio --quiet
-
-import gradio as gr
-from transformers import pipeline
-import PyPDF2
-
-# ===== مدل‌ها =====
-# مدل خلاصه‌سازی فارسی (عمومی)
-persian_summarizer = pipeline(
-    "summarization",
-    model="m3hrdadfi/bert2bert-fa-summarization",
-    tokenizer="m3hrdadfi/bert2bert-fa-summarization"
-)
-
-# مدل خلاصه‌سازی انگلیسی (عمومی و سبک)
-english_summarizer = pipeline(
-    "summarization",
-    model="facebook/bart-large-cnn"
-)
-
-# ===== توابع =====
-def extract_text_from_pdf(pdf_file):
-    """استخراج متن از فایل PDF"""
-    pdf_reader = PyPDF2.PdfReader(pdf_file)
-    text = ""
-    for page in pdf_reader.pages:
-        page_text = page.extract_text()
-        if page_text:
-            text += page_text + "\n"
-    return text
-
-def summarize_document(language, text, pdf):
-    """خلاصه‌سازی متن یا PDF بر اساس زبان انتخابی"""
-    if pdf is not None:
-        text = extract_text_from_pdf(pdf)
-
-    if not text or len(text.strip()) < 50:
-        return "❗ لطفاً یک متن یا فایل PDF معتبر و حداقل ۵۰ کاراکتر وارد کنید."
-
-    # انتخاب مدل بر اساس زبان
-    if language == "Persian":
-        summarizer = persian_summarizer
-        max_chunk = 500
-    else:
-        summarizer = english_summarizer
-        max_chunk = 1024
-
-    # شکستن متن به بخش‌های کوچکتر
-    text = text.strip().replace("\n", " ")
-    chunks = [text[i:i+max_chunk] for i in range(0, len(text), max_chunk)]
-
-    summary = ""
-    for chunk in chunks:
-        result = summarizer(
-            chunk,
-            max_length=150,
-            min_length=40,
-            do_sample=False
-        )[0]['summary_text']
-        summary += result + "\n"
-
-    return summary.strip()
-
-# ===== رابط Gradio =====
-with gr.Blocks() as demo:
-    gr.Markdown("## 📄 SummarizeX – AI Text & PDF Summarizer 🌐")
-    gr.Markdown("خلاصه‌ساز هوش مصنوعی برای متن و PDF – پشتیبانی از فارسی و انگلیسی")
-
-    with gr.Row():
-        language = gr.Radio(["Persian", "English"], label="زبان خلاصه‌سازی", value="Persian")
-    
-    with gr.Row():
-        pdf_input = gr.File(label="آپلود PDF", file_types=[".pdf"])
-        text_input = gr.Textbox(label="یا متن را وارد کنید", lines=8, placeholder="متن را اینجا وارد کنید...")
-
-    summarize_button = gr.Button("خلاصه کن / Summarize")
-    output_box = gr.Textbox(label="خلاصه نهایی", lines=8)
-
-    summarize_button.click(summarize_document, inputs=[language, text_input, pdf_input], outputs=output_box)
-
-demo.launch(share=True)
+import gradio as gr
+from transformers import pipeline
+import PyPDF2
+
+# لود مدل یکبار هنگام شروع اپ
+summarizer = pipeline(
+    "summarization",
+    model="m3hrdadfi/mt5-small-parsinlu-summarization-fa"
+)
+
+def summarize_text(text):
+    if not text.strip():
+        return "متنی وارد نشده است."
+    result = summarizer(text, max_length=150, min_length=30)
+    return result[0]["summary_text"]
+
+def summarize_pdf(file):
+    try:
+        reader = PyPDF2.PdfReader(file.name)
+        text = ""
+        for page in reader.pages:
+            text += page.extract_text() + "\n"
+        return summarize_text(text)
+    except Exception as e:
+        return f"خطا در خواندن PDF: {e}"
+
+with gr.Blocks() as demo:
+    gr.Markdown("# 📝 SummarizeX — خلاصه‌ساز متن و PDF")
+
+    with gr.Tab("خلاصه متن"):
+        input_text = gr.Textbox(lines=12, placeholder="متن را اینجا وارد کنید...")
+        output_summary = gr.Textbox(lines=8, label="خلاصه متن")
+        btn1 = gr.Button("خلاصه کن")
+        btn1.click(summarize_text, inputs=input_text, outputs=output_summary)
+
+    with gr.Tab("خلاصه PDF"):
+        pdf_input = gr.File(type="file", file_types=[".pdf"])
+        pdf_output = gr.Textbox(lines=8, label="خلاصه PDF")
+        btn2 = gr.Button("خلاصه PDF")
+        btn2.click(summarize_pdf, inputs=pdf_input, outputs=pdf_output)
+
+if __name__ == "__main__":
+    demo.launch(server_name="0.0.0.0", server_port=7860)