Update app.py

app.py

@@ -1,32 +1,54 @@
 import os
+import re
 import gradio as gr
 from transformers import pipeline
 
 # گرفتن توکن از متغیر محیطی
 token = os.environ.get("HF_TOKEN")
 
-# استفاده از مدل سازگار با Transformers
+# استفاده از مدل نسبتاً سبک و قابل اجرا در Hugging Face Spaces
 pipe = pipeline(
     "text-generation",
-    model="google/gemma-2b-it",  # ✅ مدل سبک و سازگار
+    model="google/gemma-2b-it",
     token=token
 )
 
+# تابع تشخیص و ترجمه کلمات انگلیسی رایج در حوزه روانشناسی
+EN_FA_DICT = {
+    "behavior": "رفتار",
+    "self-esteem": "عزت نفس",
+    "confidence": "اعتماد به نفس",
+    "learning": "یادگیری",
+    "attachment": "دلبستگی",
+    "communication": "ارتباط",
+    "stress": "استرس",
+    "parent": "والد",
+    "trauma": "آسیب روانی"
+}
+
+def replace_english_words(text):
+    for eng, fa in EN_FA_DICT.items():
+        text = re.sub(rf"\b{eng}\b", fa, text, flags=re.IGNORECASE)
+    return text
+
 def generate_topics(field, major, keywords, audience, level):
     prompt = f"""
 ۳ موضوع پایان‌نامه در رشته {field} با گرایش {major} پیشنهاد بده که به کلیدواژه‌های "{keywords}" مربوط باشه و جامعه هدف آن "{audience}" باشد. مقطع: {level}.
 موضوعات را فارسی بنویس.
 """
-    response = pipe(prompt, max_new_tokens=250)[0]['generated_text']
+    output = pipe(prompt, max_new_tokens=250)[0]['generated_text']
+
+    # حذف prompt در صورتی که مدل آن را تکرار کرده باشد
+    if output.startswith(prompt.strip()):
+        output = output[len(prompt.strip()):].strip()
 
-    # حذف متن prompt از ابتدای پاسخ (در صورتی که مدل آن را تکرار کند)
-    if response.startswith(prompt.strip()):
-        response = response[len(prompt.strip()):].strip()
+    # حذف فاصله‌های اضافی و جایگزینی کلمات انگلیسی
+    output = replace_english_words(output.strip())
 
-    # افزودن متن پایانی ثابت
-    response += "\n\nبرای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید:\n02188252497"
+    # افزودن پیام پایانی تبلیغاتی
+    output += "\n\nبرای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید:\n02188252497"
 
-    return response
+    return output
 
 iface = gr.Interface(
     fn=generate_topics,