app.py

import gradio as gr
from transformers import BlipProcessor, BlipForConditionalGeneration
from PIL import Image
import requests

# Carregar o modelo e o processador BLIP
processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")

def interpret_image(image):
    # Converter a imagem para o formato PIL se necessário
    if isinstance(image, str):
        image = Image.open(requests.get(image, stream=True).raw)
    
    # Processar a imagem e gerar a descrição
    inputs = processor(image, return_tensors="pt")
    out = model.generate(**inputs)
    
    # Decodificar a saída para texto
    description = processor.decode(out[0], skip_special_tokens=True)
    
    return description

# Interface Gradio
iface = gr.Interface(
    fn=interpret_image,
    inputs=gr.Image(type="pil", label="Upload uma imagem"),
    outputs=gr.Textbox(label="Descrição da Imagem"),
    title="Interpretação de Imagens com BLIP",
    description="Carregue uma imagem e o modelo BLIP irá gerar uma descrição."
)

# Iniciar o aplicativo
iface.launch()