Update app.py

app.py

@@ -1,17 +1,13 @@
 import gradio as gr
 import easyocr
-from transformers import pipeline
 import numpy as np
 from typing import Tuple
 
-## 1. تنظیمات اولیه و مدل‌ها
-# ----------------------------------
 class OCRProcessor:
     def __init__(self):
         self.reader = easyocr.Reader(['fa'])
-    
+
     def extract_text(self, image: np.ndarray) -> str:
-        """استخراج متن از تصویر با EasyOCR"""
         try:
             results = self.reader.readtext(image, detail=0, paragraph=True)
             return "\n".join(results) if results else ""
@@ -25,57 +21,28 @@ class TextPostProcessor:
             '۰': '0', '۱': '1', '۲': '2', '۳': '3', '۴': '4',
             '۵': '5', '۶': '6', '۷': '7', '۸': '8', '۹': '9'
         }
-        try:
-            # استفاده از مدل instruction-tuned مناسب بازنویسی
-            self.llm = pipeline(
-                "text2text-generation",
-                model="ParsiAI/gpt2-medium-fa-instruction",
-                tokenizer="ParsiAI/gpt2-medium-fa-instruction"
-            )
-        except Exception as e:
-            print("خطا در بارگذاری مدل بازنویسی:", e)
-            self.llm = None
 
     def preprocess(self, text: str) -> str:
-        """نرمال‌سازی ساده متن"""
         if not text:
             return ""
         for old, new in self.replacements.items():
             text = text.replace(old, new)
         return " ".join(text.split())
 
-    def enhance_with_llm(self, text: str) -> str:
-        """بازنویسی متن با مدل instruction-tuned"""
-        if not text or not self.llm:
-            return text
-        prompt = f"متن زیر را کامل کن:\n{text}"
-        try:
-            result = self.llm(prompt, max_length=256, num_return_sequences=1)
-            enhanced_text = result[0]['generated_text'].strip()
-            # اگر بازنویسی مدل بی‌معنا یا کوتاه بود، همان متن را برگردان
-            if len(enhanced_text) < 8:
-                return text
-            return enhanced_text
-        except Exception as e:
-            print("خطا در بازنویسی:", e)
-            return text
-
-## 2. پایپلاین اصلی
 def full_processing(image: np.ndarray) -> Tuple[str, str]:
     try:
         ocr_text = OCRProcessor().extract_text(image)
         post_processor = TextPostProcessor()
         cleaned_text = post_processor.preprocess(ocr_text)
-        enhanced_text = post_processor.enhance_with_llm(cleaned_text)
-        return cleaned_text, enhanced_text
+        # بازنویسی واقعی انجام نمی‌شود، فقط متن تمیز می‌شود
+        return cleaned_text, cleaned_text
     except Exception as e:
         return f"خطا: {str(e)}", ""
 
-## 3. رابط کاربری Gradio
-with gr.Blocks(title="پایپلاین OCR و بازنویسی متن فارسی") as app:
+with gr.Blocks(title="پایپلاین OCR و تصحیح متن فارسی") as app:
     gr.Markdown("""
-    # سیستم استخراج و بازنویسی متن فارسی از تصویر
-    تصویر را بارگذاری کنید، متن استخراج و سپس با مدل زبانی بازنویسی می‌شود.
+    # استخراج و تصحیح متن فارسی از تصویر
+    فقط متن را تصحیح (نرمال‌سازی) می‌کند و بازنویسی واقعی انجام نمی‌دهد.
     """)
     with gr.Row():
         with gr.Column():
@@ -84,8 +51,8 @@ with gr.Blocks(title="پایپلاین OCR و بازنویسی متن فارسی
         with gr.Column():
             with gr.Tab("متن استخراج شده"):
                 raw_output = gr.Textbox(label="متن استخراج شده")
-            with gr.Tab("متن بازنویسی شده"):
-                enhanced_output = gr.Textbox(label="متن بازنویسی شده")
+            with gr.Tab("متن نهایی (تصحیح شده)"):
+                enhanced_output = gr.Textbox(label="متن نهایی")
             with gr.Tab("پیش‌نمایش تصویر"):
                 img_preview = gr.Image(label="", interactive=False)