Create app.py

app.py

@@ -0,0 +1,60 @@
+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()