Create app.py

app.py

@@ -0,0 +1,56 @@
+import gradio as gr
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+# تهيئة النموذج
+model_name = "google/gemma-2b-it"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(model_name)
+
+if torch.cuda.is_available():
+    model = model.to('cuda')
+
+def generate_summary(text):
+    prompt = f"""قم بتلخيص النص التالي بطريقتين:
+    1. ملخص مترابط: اكتب فقرة واحدة مترابطة باستخدام كلمات الربط المناسبة
+    2. نقاط رئيسية: اكتب النقاط الرئيسية مسبوقة بـ "**ــ**"
+    
+    قواعد التلخيص:
+    - تقليل 8 كلمات من كل فقرة
+    - الحفاظ على المعنى الأساسي والسياق
+    - التلخيص بأسلوب علمي وواضح
+    
+    النص الأصلي:
+    {text}
+    """
+    
+    inputs = tokenizer(prompt, return_tensors="pt")
+    if torch.cuda.is_available():
+        inputs = inputs.to('cuda')
+    
+    outputs = model.generate(
+        **inputs,
+        max_length=1024,
+        temperature=0.7,
+        top_k=50,
+        top_p=0.95,
+        num_return_sequences=1
+    )
+    
+    summary = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    return summary
+
+# إنشاء واجهة Gradio
+interface = gr.Interface(
+    fn=generate_summary,
+    inputs=gr.Textbox(label="أدخل النص المراد تلخيصه", lines=10, dir="rtl"),
+    outputs=gr.Textbox(label="الملخص", lines=10, dir="rtl"),
+    title="خدمة تلخيص النصوص العربية",
+    description="يقوم هذا النموذج بتلخيص النصوص العربية مع الحفاظ على المعنى الأساسي",
+    examples=[
+        ["قم بإضافة نص مثال هنا للتجربة السريعة"]
+    ],
+    theme=gr.themes.Soft()
+)
+
+interface.launch()