| import gradio as gr | |
| from transformers import AutoTokenizer, AutoModelForSeq2SeqLM | |
| model_name = "nafisehNik/mt5-persian-summary" | |
| tokenizer = AutoTokenizer.from_pretrained(model_name) | |
| model = AutoModelForSeq2SeqLM.from_pretrained(model_name) | |
| def summarize(text): | |
| if not text.strip(): | |
| return "لطفا متنی وارد کنید." | |
| inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True) | |
| summary_ids = model.generate(inputs.input_ids, num_beams=4, max_length=150, early_stopping=True) | |
| return tokenizer.decode(summary_ids[0], skip_special_tokens=True) | |
| demo = gr.Interface( | |
| fn=summarize, | |
| inputs=gr.Textbox(lines=10, placeholder="متن خود را اینجا وارد کنید..."), | |
| outputs=gr.Textbox(lines=5, label="خلاصه متن"), | |
| title="خلاصهساز متن فارسی", | |
| description="یک اپلیکیشن ساده برای خلاصهسازی متن به زبان فارسی با استفاده از هوش مصنوعی.", | |
| theme="default" | |
| ) | |
| demo.launch() | |