import streamlit as st from streamlit_option_menu import option_menu from dotenv import load_dotenv load_dotenv() import os import google.generativeai as genai import requests from PIL import Image from io import BytesIO import numpy as np import base64 from dataclasses import dataclass st.set_page_config(page_title="TechVerse",layout="wide") # 1. as sidebar menu with st.sidebar: selected = option_menu("Main Menu", ["Home", 'A Propos'], icons=['house', 'info'], menu_icon="app-indicator", default_index=1) selected if selected == 'Home': # 2. horizontal menu st.title(":green[TechVerse]: Explorez l'Infini") st.write("Bienvenue dans notre monde d'innovation et de découverte, où l'IA et l'ingéniosité humaine fusionnent pour vous offrir une expérience unique. Plongez dans une aventure où les mots prennent vie grâce à notre chatbot intelligent, prêt à répondre à vos questions et à vous guider à travers une multitude de sujets passionnants. Transformez vos idées en une symphonie numérique avec notre conversion texte en parole, donnant une voix à votre créativité. Explorez le monde visuel qui vous entoure avec notre incroyable capacité de classification d'images en un instant. Quelle que soit votre curiosité, notre application est là pour stimuler votre imagination et ouvrir de nouvelles perspectives passionnantes. Bienvenue dans notre monde d'intelligence infinie !") # Création du select box pour choisir l'application selected2 = option_menu(None, ['Chatbot Intelligent', 'Text to Speech', 'Zero Shot Image Classification', 'Image to Text'] , icons=['chat-left-quote', 'music-note-list', "images", 'pencil-square'], menu_icon="cast", default_index=0, orientation="horizontal") if selected2 == "Chatbot Intelligent": @dataclass class Message: actor: str payload: str USER = "user" ASSISTANT = "ai" MESSAGES = "messages" def initialize_chat(): if MESSAGES not in st.session_state: st.session_state[MESSAGES] = [Message(actor=ASSISTANT, payload="Salut! Comment puis-je t'etre utile?")] def process_user_input(prompt): if prompt: st.session_state[MESSAGES].append(Message(actor=USER, payload=prompt)) st.chat_message(USER).write(prompt) response = get_gemini_response(prompt) st.session_state[MESSAGES].append(Message(actor=ASSISTANT, payload=response)) st.chat_message(ASSISTANT).write(response) def get_gemini_response(question): response = chat.send_message(question, stream=True) return "\n".join([chunk.text for chunk in response]) genai.configure(api_key=st.secrests['TechVerse_T']) model = genai.GenerativeModel("gemini-pro") chat = model.start_chat(history=[]) initialize_chat() prompt = st.chat_input("Enter a prompt here") if prompt: process_user_input(prompt) elif selected2 == 'Text to Speech': API_URL = "https://api-inference.huggingface.co/models/facebook/mms-tts-spa" headers = {"Authorization": "Bearer "+st.secrets['TechVerse_T']} def query(payload): response = requests.post(API_URL, headers=headers, json=payload) return response.content genai.configure(api_key=st.secrets['TechVerse_T']) model = genai.GenerativeModel("gemini-pro") chat = model.start_chat(history=[]) def get_gemini_response(question): response = chat.send_message(question, stream=True) return response def get_gemini_answer(question): question = "translate in spanish :" + question response = chat.send_message(question, stream=True) return response def get_gemini_answerss(question): question = "translate in spanish :" + question response = chat.send_message(question, stream=True) return response service_selected = st.radio("Select Service:", ("Speech Translation in Spanish Only", "Speech Conversation in Spanish")) if service_selected == "Speech Translation in Spanish Only": input1 = st.text_input('Ecris un texte en la langue souhaitée ici 👇 pour traduction vocale en espagnole:', key='input1') if input1: T_active = "" answer = get_gemini_answer(input1) for yes in answer: T_active += yes.text audio_bytes = query({"inputs": T_active}) st.markdown("#### retranscription vocale espagnole") st.audio(audio_bytes) elif service_selected == "Speech Conversation in Spanish": input2 = st.text_input('Ecris un texte en la langue souhaitée ici 👇 pour entamer la conversation:', key='input2') if input2: response = get_gemini_response(input2) talk = "" for chunk in response: talk += chunk.text T_active = "" answer = get_gemini_answer(talk) for yes in answer: T_active += yes.text audio = query({"inputs": T_active}) st.markdown("#### Reponse vocale en espagnole") st.audio(audio) st.markdown("### Traduction ecrite") st.info(talk) elif selected2 =="Zero Shot Image Classification": API_URL = "https://api-inference.huggingface.co/models/openai/clip-vit-large-patch14" headers = {"Authorization": "Bearer "+st.secrets['TechVerse_T']} def load_image(image): if isinstance(image, str): # Si l'entrée est une URL response = requests.get(image) image = Image.open(BytesIO(response.content)) elif isinstance(image, np.ndarray): # Si l'entrée est un tableau numpy image = Image.fromarray(image) else: # Si l'entrée est un fichier local image = Image.open(image) return image def query(image, parameters): image = load_image(image) img_buffer = BytesIO() image.save(img_buffer, format="PNG") img_base64 = base64.b64encode(img_buffer.getvalue()).decode("utf-8") payload = { "parameters": {"candidate_labels": parameters}, "inputs": img_base64 } response = requests.post(API_URL, headers=headers, json=payload) return response.json() images = st.file_uploader("",type=["jpg", "png"]) if images is None: st.text("") else: st.image(images, width=500,use_column_width='always') parametres = st.text_input("Entrez les classes séparées par des virgules") if parametres == "": st.warning("Veuillez renseigner au moins deux classe séparées par une virgule.",icon="⚠️") else: classes = [item.strip() for item in parametres.split(",")] if len(classes)< 2: st.warning("Veuillez renseigner au moins deux classe séparées par une virgule.",icon="⚠️") else : try: result = query(images, classes) if result: max_score_label = max(result, key=lambda x: x["score"]) st.info(f"nous sommes à {max_score_label['score']*100}% certains que l'image que vous avez renseigné est une " + max_score_label["label"]) except Exception as e: st.error("Une erreur s'est produite lors de la requête API : {}".format(str(e))) else: API_URL = "https://api-inference.huggingface.co/models/Salesforce/blip-image-captioning-large" headers = {"Authorization": "Bearer "+st.secrets['TechVerse_T']} def load_image(image): if isinstance(image, str): # Si l'entrée est une URL response = requests.get(image) image = Image.open(BytesIO(response.content)) elif isinstance(image, np.ndarray): # Si l'entrée est un tableau numpy image = Image.fromarray(image) else: # Si l'entrée est un fichier local image = Image.open(image) return image def query(image): if image is None: raise ValueError("Aucune image n'a été fournie.") try: image = load_image(image) img_buffer = BytesIO() image.save(img_buffer, format="PNG") img_data = img_buffer.getvalue() response = requests.post(API_URL, headers=headers, data=img_data) response.raise_for_status() # Gérer les erreurs HTTP return response.json() except Exception as e: raise RuntimeError("Une erreur s'est produite lors du traitement de l'image : {}".format(str(e))) images = st.file_uploader("Uploader une image", type=["jpg", "png"]) if images is None: st.text("Veuillez charger une image.") else: st.image(images, width=500,use_column_width='always') try: output = query(images) st.markdown(output[0]["generated_text"]) except Exception as e: st.error("Une erreur s'est produite : {}".format(str(e))) else: pass