import streamlit as st import pandas as pd import requests import os # Установка API URL и заголовков API_URL_gen = "https://api-inference.huggingface.co/models/facebook/blenderbot-400M-distill" API_URL_tra = "https://api-inference.huggingface.co/models/Helsinki-NLP/opus-mt-en-ru" headers = {"Authorization": os.getenv("api_token")} # Функция для генерирования предложения def generate_example(payload): response = requests.post(API_URL_gen, headers=headers, json=payload) return response.json() # Функция для перевода слова def translate_word(payload): response = requests.post(API_URL_tra, headers=headers, json=payload) return response.json() # Настраеваем заголовок и название страницы st.set_page_config(layout="wide", page_title="Students' Personal Assistant") st.markdown(' # :female-student: Персональный помощник для студентов') st.divider() st.markdown('## :flower_playing_cards: Карточки для изучения английских слов') st.markdown('# :bookmark_tabs: :bookmark_tabs: :bookmark_tabs: :bookmark_tabs: ') words_from_tarea = st.text_area('Напиши список слов на английском', value='regularization learning dropout rate') button_start = st.button('Создать карточки') cards_list = list() if button_start: words_list = words_from_tarea.split() st.divider() # Отправляем запросы через API для получения перевода слов и генерирования предложений with st.spinner('...'): for word in words_list: example = generate_example({"text": word}) translated = translate_word({"inputs": word}) cards_list.append([word, translated[0]['translation_text'].lower(), example['generated_text']]) # Преобразуем полученные данные в DataFrame #cards_df = pd.DataFrame(cards_list, columns=['word', 'translated', 'example']) st.success('Готово') # Выводим карточки for el in cards_list: with st.chat_message("assistant"): #st.divider() st.markdown('# :flower_playing_cards:') st.markdown(f'# :red[{el[0]}]') st.markdown(f'## :blue[{el[1]}]') st.markdown(f'* {el[2]}') st.divider()