import gradio as gr
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# تحميل النموذج والتوكنايزر
model_id = "methodya/arabic-summarizer-philosophy"
model = AutoModelForSeq2SeqLM.from_pretrained(model_id)
tokenizer = AutoTokenizer.from_pretrained(model_id)

# دالة التلخيص مع المعاملات الجديدة
def summarize(text, max_length=150, num_beams=7, length_penalty=0.8):
    # تحويل القيم إلى النوع المناسب
    max_length = int(max_length)
    num_beams = int(num_beams)
    length_penalty = float(length_penalty)
    
    # تجهيز البيانات للنموذج
    inputs = tokenizer(text, return_tensors="pt", max_length=1024, truncation=True)
    outputs = model.generate(
        **inputs,
        max_length=max_length,
        num_beams=num_beams,
        length_penalty=length_penalty,
        early_stopping=True
    )
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# إعداد واجهة Gradio
interface = gr.Interface(
    fn=summarize,
    inputs=[
        gr.Textbox(lines=8, label="النص"),  # النص الأصلي
        gr.Slider(50, 250, value=150, label="طول الملخص"),  # max_length
        gr.Slider(1, 10, value=7, step=1, label="دقة التلخيص (num_beams)"),  # num_beams
        gr.Slider(0.1, 2.0, value=0.8, step=0.1, label="معامل الطول (length_penalty)")  # length_penalty
    ],
    outputs=gr.Textbox(label="الملخص"),  # النص الملخص
    title="ملخص النصوص الفلسفية",
    description="نموذج لتلخيص النصوص الفلسفية باللغة العربية مع إعدادات متقدمة"
)

# تشغيل التطبيق
interface.launch()