Spaces:
Running
Running
import gradio as gr | |
from transformers import pipeline | |
# استفاده از inference از Hugging Face | |
pipe = pipeline("text-generation", model="google/gemma-1.1-7b-it") # بهجای 27B چون رایگان نیست | |
def generate_topics(field, major, keywords, audience, level): | |
prompt = f""" | |
با توجه به اطلاعات زیر، چند موضوع مناسب برای پایاننامه پیشنهاد بده: | |
رشته: {field} | |
گرایش: {major} | |
کلیدواژهها: {keywords} | |
جامعه هدف: {audience} | |
مقطع: {level} | |
لطفاً ۳ موضوع پیشنهادی ارائه کن. | |
در پایان، بنویس: | |
برای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید: | |
02188252497 | |
""" | |
result = pipe(prompt, max_new_tokens=250)[0]['generated_text'] | |
return result | |
iface = gr.Interface( | |
fn=generate_topics, | |
inputs=[ | |
gr.Textbox(label="رشته"), | |
gr.Textbox(label="گرایش"), | |
gr.Textbox(label="کلیدواژهها"), | |
gr.Textbox(label="جامعه هدف"), | |
gr.Dropdown(choices=["کارشناسی ارشد", "دکتری"], label="مقطع") | |
], | |
outputs="text", | |
title="پیشنهادگر هوشمند موضوع پایاننامه کاسپین 🎓" | |
) | |
iface.launch() | |