Spaces:
Running
Running
File size: 1,885 Bytes
001f881 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 |
import torch
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import gradio as gr
# Charger le modèle et le tokenizer
language = "french"
model_name = "Moustapha91/bart_large_poetique-v02"
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
# Fonction de génération ajustée
def generate_summary(input_text):
inputs = tokenizer(
input_text,
padding="max_length",
max_length=512, # Ajustez si nécessaire
return_tensors="pt",
truncation=True,
)
input_ids = inputs.input_ids.to(model.device)
attention_mask = inputs.attention_mask.to(model.device)
# Génération avec des paramètres personnalisés
outputs = model.generate(
input_ids=input_ids,
attention_mask=attention_mask,
max_length=512,
num_beams=4,
temperature=1.0,
early_stopping=True,
repetition_penalty=6.0,
no_repeat_ngram_size=5,
)
output_str = tokenizer.decode(outputs[0], skip_special_tokens=True)
return output_str
# Exemple d'utilisation (test rapide)
example_text = "L'amour, cet élan mystérieux qui unit les âmes, est une lumière douce dans les ténèbres du quotidien..."
# Interface Gradio
interface = gr.Interface(
fn=generate_summary,
inputs=gr.Textbox(
lines=10,
placeholder="Entrez un texte à résumer ou transformer en poème..."
),
outputs=gr.Textbox(
label="Texte généré"
),
examples=[[example_text]],
title="Génération de texte poétique ou résumé",
description=(
"Cette application utilise un modèle pré-entraîné BART pour transformer "
"un texte d'entrée en une sortie poétique ou résumé. Entrez une phrase ou un paragraphe pour tester !"
),
)
# Lancer l'application
interface.launch()
|