app.py

import gradio as gr
from paddleocr import PaddleOCR
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
from PIL import Image
import os

# --- مدل‌ها ---
ocr_model = PaddleOCR(lang='fa', use_textline_orientation=True)
tokenizer = AutoTokenizer.from_pretrained("persiannlp/mt5-small-parsinlu-grammar-correction")
nlp_model = AutoModelForSeq2SeqLM.from_pretrained("persiannlp/mt5-small-parsinlu-grammar-correction")

# --- توابع پردازش ---
def run_ocr(image):
    image_path = image.name  # مسیر فایل موقت
    result = ocr_model.ocr(image_path, cls=True)
    texts = [line[1][0] for line in result[0]] if result else []
    os.remove(image_path)  # حذف فایل موقت
    return " ".join(texts)

def postprocess_text(text):
    inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)
    outputs = nlp_model.generate(**inputs)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

def process_image(image):
    raw_text = run_ocr(image)
    processed_text = postprocess_text(raw_text) if raw_text else "متنی یافت نشد!"
    return raw_text, processed_text

# --- رابط Gradio ---
with gr.Blocks(title="OCR فارسی با پردازش NLP") as app:
    gr.Markdown("## 🔠 OCR فارسی + پردازش متن با مدل زبانی")
    gr.Markdown("متن را از تصاویر استخراج کنید و با مدل زبانی اصلاح کنید!")
    
    with gr.Row():
        image_input = gr.Image(type="filepath", label="تصویر ورودی")
        with gr.Column():
            raw_text_output = gr.Textbox(label="متن خام (OCR)")
            processed_text_output = gr.Textbox(label="متن پردازش‌شده (NLP)")
    
    submit_btn = gr.Button("پردازش تصویر")
    submit_btn.click(
        fn=process_image,
        inputs=image_input,
        outputs=[raw_text_output, processed_text_output]
    )

    gr.Markdown("---")
    gr.Markdown("### راهنما:\n1. تصویری حاوی متن فارسی آپلود کنید.\n2. روی دکمه پردازش کلیک کنید.")

# اجرای برنامه
if __name__ == "__main__":
    app.launch()