import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# تهيئة النموذج
model_name = "google/gemma-2b-it"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

if torch.cuda.is_available():
    model = model.to('cuda')

def generate_summary(text):
    prompt = f"""قم بتلخيص النص التالي بطريقتين:
    1. ملخص مترابط: اكتب فقرة واحدة مترابطة باستخدام كلمات الربط المناسبة
    2. نقاط رئيسية: اكتب النقاط الرئيسية مسبوقة بـ "**ــ**"
    
    قواعد التلخيص:
    - تقليل 8 كلمات من كل فقرة
    - الحفاظ على المعنى الأساسي والسياق
    - التلخيص بأسلوب علمي وواضح
    
    النص الأصلي:
    {text}
    """
    
    inputs = tokenizer(prompt, return_tensors="pt")
    if torch.cuda.is_available():
        inputs = inputs.to('cuda')
    
    outputs = model.generate(
        **inputs,
        max_length=1024,
        temperature=0.7,
        top_k=50,
        top_p=0.95,
        num_return_sequences=1
    )
    
    summary = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return summary

# إنشاء واجهة Gradio
interface = gr.Interface(
    fn=generate_summary,
    inputs=gr.Textbox(label="أدخل النص المراد تلخيصه", lines=10, dir="rtl"),
    outputs=gr.Textbox(label="الملخص", lines=10, dir="rtl"),
    title="خدمة تلخيص النصوص العربية",
    description="يقوم هذا النموذج بتلخيص النصوص العربية مع الحفاظ على المعنى الأساسي",
    examples=[
        ["قم بإضافة نص مثال هنا للتجربة السريعة"]
    ],
    theme=gr.themes.Soft()
)

interface.launch()