Update app.py

app.py

@@ -1,7 +1,11 @@
-import gradio as gr
+from fastapi import FastAPI, HTTPException
 from transformers import M2M100ForConditionalGeneration, M2M100Tokenizer
 import torch
 from langdetect import detect, LangDetectException
+from pydantic import BaseModel
+
+# Inisialisasi FastAPI
+app = FastAPI(title="M2M100 Translation API")
 
 # Load model dan tokenizer
 model_name = "facebook/m2m100_418M"
@@ -14,21 +18,25 @@ try:
 except Exception as e:
     raise Exception(f"Gagal memuat model: {str(e)}")
 
-# Fungsi terjemahan
-def translate_text(text, source_lang=None):
+# Fungsi terjemahan (sama seperti sebelumnya)
+def translate_text(text: str, source_lang: str = None):
     try:
+        # Validasi input teks
+        if not text.strip():
+            return {"error": "Teks tidak boleh kosong"}, None
+
         # Autodeteksi bahasa jika source_lang tidak diberikan
         if not source_lang:
             try:
                 detected_lang = detect(text)
                 if detected_lang not in tokenizer.supported_languages:
-                    return f"Bahasa terdeteksi '{detected_lang}' tidak didukung.", detected_lang
+                    return {"error": f"Bahasa terdeteksi '{detected_lang}' tidak didukung"}, detected_lang
                 source_lang = detected_lang
             except LangDetectException:
-                return "Gagal mendeteksi bahasa. Harap masukkan kode bahasa sumber.", None
+                return {"error": "Gagal mendeteksi bahasa. Harap masukkan kode bahasa sumber"}, None
         else:
             if source_lang not in tokenizer.supported_languages:
-                return f"Kode bahasa '{source_lang}' tidak didukung.", None
+                return {"error": f"Kode bahasa '{source_lang}' tidak didukung"}, None
 
         # Set bahasa sumber
         tokenizer.src_lang = source_lang
@@ -41,30 +49,26 @@ def translate_text(text, source_lang=None):
         )
         translated_text = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)[0]
 
-        return translated_text, source_lang
+        return {"translated_text": translated_text}, source_lang
 
     except Exception as e:
-        return f"Error: {str(e)}", None
+        return {"error": f"Terjemahan gagal: {str(e)}"}, None
 
-# Buat antarmuka Gradio
-iface = gr.Interface(
-    fn=translate_text,
-    inputs=[
-        gr.Textbox(label="Teks untuk Diterjemahkan"),
-        gr.Dropdown(
-            choices=["id", "fr", "es", "de", "ja", ""],  # Tambahkan lebih banyak kode bahasa jika perlu
-            label="Bahasa Sumber (kosongkan untuk autodeteksi)",
-            value=""
-        )
-    ],
-    outputs=[
-        gr.Textbox(label="Terjemahan ke Bahasa Inggris"),
-        gr.Textbox(label="Bahasa Sumber Terdeteksi")
-    ],
-    title="M2M100 Translation to English",
-    description="Masukkan teks untuk diterjemahkan ke bahasa Inggris. Biarkan bahasa sumber kosong untuk autodeteksi."
-)
+# Model untuk respons JSON
+class TranslationResponse(BaseModel):
+    translated_text: str | None = None
+    source_lang: str | None = None
+    error: str | None = None
+
+# Endpoint API
+@app.get("/translate", response_model=TranslationResponse)
+async def translate(text: str, lang: str | None = None):
+    result, detected_lang = translate_text(text, lang)
+    if "error" in result:
+        raise HTTPException(status_code=400, detail=result["error"])
+    return {"translated_text": result["translated_text"], "source_lang": detected_lang}
 
-# Luncurkan aplikasi
+# Jalankan aplikasi (untuk pengembangan lokal)
 if __name__ == "__main__":
-    iface.launch()
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=8000)