app.py

import gradio as gr
from transformers import AutoTokenizer, Gemma3ForConditionalGeneration
from deep_translator import GoogleTranslator
import torch

# بارگذاری توکنایزر و مدل
tokenizer = AutoTokenizer.from_pretrained("google/gemma-3-4b-it")
model = Gemma3ForConditionalGeneration.from_pretrained("google/gemma-3-4b-it", torch_dtype=torch.bfloat16)
model.eval()

def generate_topics(field, major, keywords, audience, level):
    prompt = f"""Suggest 3 academic thesis topics based on the following information:
Field: {field}
Specialization: {major}
Keywords: {keywords}
Target audience: {audience}
Level: {level}
"""

    inputs = tokenizer(prompt, return_tensors="pt")
    with torch.no_grad():
        outputs = model.generate(**inputs, max_new_tokens=256)
    english_output = tokenizer.decode(outputs[0], skip_special_tokens=True)

    translated_output = GoogleTranslator(source='en', target='fa').translate(english_output)

    final_output = translated_output.strip() + "\n\n📢 برای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید:\n02188252497"
    return final_output

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 موضوع پایان‌نامه کاسپین"
)

iface.launch()