import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer

# Charger le modèle et le tokenizer
model_name = "nvidia/NVLM-D-72B"
model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)

# Fonction pour générer du texte
def generate_text(prompt):
    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(**inputs, max_length=100)  # Vous pouvez ajuster max_length
    generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return generated_text

# Interface Gradio
interface = gr.Interface(fn=generate_text, 
                         inputs="text", 
                         outputs="text", 
                         title="NVLM-D Text Generation",
                         description="Entrez un prompt pour générer du texte avec le modèle NVLM-D-72B.")

if __name__ == "__main__":
    interface.launch()