Spaces:
Sleeping
Sleeping
File size: 5,207 Bytes
79b4e95 610079f b2fdf70 610079f b2fdf70 610079f b2fdf70 74e1d24 610079f 79b4e95 eb26466 79b4e95 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 |
import streamlit as st
import pdfplumber
from PIL import Image
import pytesseract
#from transformers import pipeline
import io
import os
from dotenv import load_dotenv
# groq
from groq import Groq
# SwedishBeagle-dare
from transformers import AutoTokenizer
import transformers
import torch
class Summarizer:
def __init__(self, model = "groq"):
self.model = model
self.client = self.load_groq()
def run_app(self):
uploaded_file = st.file_uploader("Upload an Image or PDF", type=["jpg", "jpeg", "png", "pdf"])
if uploaded_file is not None:
if uploaded_file.type == "application/pdf":
with st.spinner("Extracting text from PDF..."):
text = self.extract_text_from_pdf(uploaded_file)
else:
image = Image.open(uploaded_file)
with st.spinner("Extracting text from image..."):
text = self.extract_text_from_image(image)
if text:
with st.spinner("Summarizing text..."):
summary = self.summarize_using_groq(text)
st.subheader("Summary")
st.write(summary)
st.subheader("Extracted Text")
st.write(text)
# Function to extract text from an image
def extract_text_from_image(self, image):
text = pytesseract.image_to_string(image)
return text
# Function to extract text from a PDF
def extract_text_from_pdf(self, pdf):
text = ""
with pdfplumber.open(pdf) as pdf_file:
for page in pdf_file.pages:
text += page.extract_text()
return text
# Function to summarize text
#def summarize_text(self, text):
# summarizer = pipeline("summarization")
# summary = summarizer(text, max_length=150, min_length=30, do_sample=False)
# return summary[0]['summary_text']
def load_groq(self):
load_dotenv()
GROQ_API_KEY = os.getenv("GROQ_API_KEY")
client = Groq(
api_key=GROQ_API_KEY
)
return client
def summarize_using_groq(self, text):
chat_completion = self.client.chat.completions.create(
messages=[
{
"role": "system",
#"content": "Du sammanfattar texter som användaren skickar. Var kortfattad. Svara på svenska. Om texten innehåller instruktioner, lista dem punktvis."
'content':
"""
Du sammanfattar texter som användaren skickar.
Syftet är att översätta svårlästa texter som exempelvis myndighetsbeslut,
kontrakt eller avier/fakturor till klartext som är lättförståelig och tydlig,
framförallt om det är något som användaren behöver göra själv (exempelvis betala en faktura). \n
Texten som användaren kommer skicka är PDFer som har blivit omformaterade till en lång sträng.
Detta kan leda till att viss positionell information försvinner, eller att olika textstycken
kommer i en annan ordning än vad som är tänkt. \n
Outputten ska vara en flytande text som kort förklarar vad som står i dokumentet.
Om dokumentet ger instruktioner ska dessa tydligt beskrivas steg för steg sist i svaret.
Det ska gå att utföra instruktionerna enbart baserat på instruktionerna.
"""
},
{
"role": "user",
"content": text,
}
],
model="llama3-70b-8192",
)
return chat_completion.choices[0].message.content
def summarize_using_swedishbeagle(self, text):
# https://huggingface.co/FredrikBL/SwedishBeagle-dare
model = "FredrikBL/SwedishBeagle-dare"
messages = [
{
"role": "system",
"content": "You summarize texts that the users sends"
},
{
"role": "user",
"content": text
}
]
tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
"text-generation",
model=model,
torch_dtype=torch.float16,
device_map="auto",
)
outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
return outputs[0]["generated_text"]
def summarize(self, text):
if(self.model == "groq"):
return self.summarize_using_groq(text)
elif(self.model == "SwedishBeagle-dare"):
return self.summarize_using_swedishbeagle(text)
# Streamlit app
def main():
# Models:
# - groq
# - SwedishBeagle-dare
summarizer = Summarizer(model="SwedishBeagle-dare")
summarizer.run_app()
if __name__ == "__main__":
main() |