fill page

app.py

@@ -45,28 +45,46 @@ with col2:
             st.image(uploaded_file, caption="Image de tumeur", width=400)
             button = st.button("Prédire", use_container_width=True)
             if button:
-                st.spinner("Prédiction en cours...")
                 predicted, confidence = predict(uploaded_file)
                 diagnosis_prompt = get_diagnosis(predicted, confidence)
                 diagnosis = generate_text(diagnosis_prompt)
                 summary = summarize_text(diagnosis)
                 translation = translate_fr_to_es(summary)
-                output_path = text_to_speech(translation)
+                output_path = text_to_speech(summary)
 
 if uploaded_file and translation:
     with col3:
         st.markdown(
             f"""
-            <div class="card border-0 shadow-sm p-4">
+            <div class="container card border-0 shadow-sm p-4 mt-2">
                 <div class="card-body">
                     <h2 class="gradient-text"> Resultat de la prédiction </h2>
                     <p class="lead"> {summary} </p>
                 </div>
+            </div>
+             <div class="container card border-0 shadow-sm p-4 mt-2">
+                <div class="card-body">
+                    <h2 class="gradient-text"> Traduction en espagnol </h2>
+                    <p class="lead"> {translation} </p>
+                </div>
             </div>
             """,
             unsafe_allow_html=True, 
         )
 
+    st.markdown(
+        f"""
+               <div class="container card border-0 shadow-sm p-4">
+                  <div class="card-body">
+                      <h2 class="gradient-text"> Plus de détail </h2>
+                      <p class="lead"> {diagnosis} </p>
+                  </div>
+              </div>
+              """,
+        unsafe_allow_html=True,
+    )
+    _, col2, _ = st.columns([2, 3, 2])
+    with col2:
         st.audio(output_path, format="audio/mp3")
 
 # Afficher le pied de page

functions.py

@@ -23,7 +23,7 @@ def summarize_text(text):
 def get_diagnosis(prediction, confidence):
     labels = ["glioma", "meningioma", "notumor", "pituitary"]
     result = labels[prediction]
-    prompt = f'Tu es un médecin qui doit annoncer à un patient le type de tumeur qu\'il a. Le type de tumeur prédit est "{result}" avec une confiance de {confidence}. Veuillez fournir un diagnostic concis, précis et des conseils.'
+    prompt = f'Tu es un médecin qui s\'appelle Skym qui doit annoncer à un patient X le type de tumeur qu\'il a. Le type de tumeur prédit est "{result}" avec une confiance de {confidence}. Veuillez fournir un diagnostic concis, précis et des conseils.'
     return prompt
 
 
@@ -67,6 +67,6 @@ def translate_fr_to_es(input_text, max_retries=5):
 # Audio to text model
 def text_to_speech(input_text):
     outputh_path = "text_to_speech.mp3"
-    tts = gTTS(text=input_text, lang="es")
+    tts = gTTS(text=input_text, lang="fr")
     tts.save(outputh_path)
     return outputh_path