app.py

import gradio as gr
from groq import Groq
import base64
import io
from PIL import Image

def encode_image(image):
    """將圖片編碼為base64格式"""
    buffered = io.BytesIO()
    image.save(buffered, format="JPEG")
    return base64.b64encode(buffered.getvalue()).decode("utf-8")

def analyze_image(api_key, image, prompt):
    """分析圖片的主要函數"""
    try:
        # 檢查輸入
        if not api_key:
            return "請輸入有效的 Groq API Key"

        if image is None:
            return "請上傳一張圖片"

        if not prompt:
            return "請輸入分析提示詞"

        # 編碼圖片
        base64_image = encode_image(image)
        image_content = {
            "type": "image_url",
            "image_url": {"url": f"data:image/jpeg;base64,{base64_image}"}
        }

        # 初始化 Groq 客戶端
        client = Groq(api_key=api_key)

        # 發送請求
        completion = client.chat.completions.create(
            model="meta-llama/llama-4-scout-17b-16e-instruct",
            messages=[{
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": prompt
                    },
                    image_content
                ]
            }],
            temperature=1,
            max_completion_tokens=512,
            top_p=1,
            stream=False,
            stop=None,
        )

        # 返回回應內容
        return completion.choices[0].message.content

    except Exception as e:
        return f"發生錯誤：{str(e)}"

# 創建 Gradio 界面
with gr.Blocks(title="多模態API圖片分析工具", theme=gr.themes.Soft()) as demo:
    gr.Markdown("""
    # 🔍 Groq 圖片分析工具

    使用 Groq 的 Llama 4 Scout 模型來分析圖片內容
    """)

    with gr.Row():
        with gr.Column(scale=1):
            # API Key 輸入
            api_key_input = gr.Textbox(
                label="Groq API Key",
                placeholder="輸入您的 Groq API Key (gsk_...)",
                type="password",
                info="您的 API Key 將保密處理"
            )

            # 圖片上傳
            image_input = gr.Image(
                label="上傳圖片",
                type="pil",
                sources=["upload", "clipboard"],
                height=300
            )

            # Prompt 輸入
            prompt_input = gr.Textbox(
                label="分析提示詞",
                placeholder="請輸入您想要分析的內容...",
                lines=4,
                value="""幫我算出有幾個人和大象，同時說明
這可能是什麼儀式?
天氣和季節在某個時段?
在什麼國家?"""
            )

            # 分析按鈕
            analyze_btn = gr.Button("🚀 開始分析", variant="primary", size="lg")

        with gr.Column(scale=1):
            # 結果顯示
            result_output = gr.Textbox(
                label="分析結果",
                lines=15,
                max_lines=20,
                show_copy_button=True,
                placeholder="分析結果將顯示在這裡..."
            )

    # 範例區域
    with gr.Row():
        gr.Examples(
            examples=[
                ["分析這張圖片中的物體和場景"],
                ["描述這張圖片的顏色、構圖和視覺元素"],
                ["識別圖片中的文字內容"],
                ["分析這張圖片的情感和氛圍"],
                ["統計圖片中的人數和動物數量"]
            ],
            inputs=[prompt_input],
            label="範例提示詞"
        )

    # 綁定事件
    analyze_btn.click(
        fn=analyze_image,
        inputs=[api_key_input, image_input, prompt_input],
        outputs=[result_output]
    )

    # 使用說明
    with gr.Accordion("📖 使用說明", open=False):
        gr.Markdown("""
        ### 如何使用：
        1. **取得 API Key**: 前往 [Groq Console](https://console.groq.com/) 註冊並取得 API Key
        2. **輸入 API Key**: 在上方欄位輸入您的 Groq API Key
        3. **上傳圖片**: 點擊上傳區域選擇圖片，或直接拖拽圖片到上傳區域
        4. **輸入提示詞**: 描述您想要分析的內容
        5. **開始分析**: 點擊「開始分析」按鈕

        ### 支援的圖片格式：
        - JPEG, PNG, GIF, WebP
        - 建議圖片大小不超過 10MB

        ### 注意事項：
        - API Key 僅在當前會話中使用，不會被保存
        - 請確保您的 Groq 帳戶有足夠的使用額度
        - 分析時間取決於圖片大小和網路狀況
        """)

# 啟動應用
if __name__ == "__main__":
    demo.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=False,
        debug=True
    )