File size: 12,554 Bytes
c65f622
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
import streamlit as st
from dotenv import load_dotenv
load_dotenv()
import os 
import google.generativeai as genai
import os
from googletrans import Translator
# import google.generativeai as genai  # Commentez cette ligne si inutile pour text-to-speech
from PIL import Image
from gtts import gTTS  # Bibliothèque pour la synthèse vocale
import google.generativeai as genai 
import requests
import base64
import io
import pandas as pd



st.set_page_config(layout="wide")
st.sidebar.image('logo.png',width=300)
st.set_option('deprecation.showPyplotGlobalUse', False)
def main():
    
    menu =['Chatbot','Text-to-speech','Zero-shot-image-classification','Image-to-text']
    choice = st.sidebar.selectbox('Select Menu',menu)

    if choice == 'Chatbot':
        genai.configure(api_key=os.getenv('GOOGLE_API_KEY'))

        model=genai.GenerativeModel('gemini-pro')
        chat= model.start_chat(history=[])
        st.title('Chatbot Intelligent')
        st.write("<hr>", unsafe_allow_html=True)
        def get_gemini_response(question):
            response=chat.send_message(question,stream=True)
            return response

        # Initialize chat history
        if "messages" not in st.session_state:
            st.session_state.messages = []

        # Display chat messages from history on app rerun
        for message in st.session_state.messages:
            with st.chat_message(message["role"]):
                st.markdown(message["content"])

        # React to user input
        if prompt := st.chat_input("Quoi de neuf?"):
            # Display user message in chat message container
            st.chat_message("user").markdown(prompt)
            # Add user message to chat history
            st.session_state.messages.append({"role": "user", "content": prompt})

            response = get_gemini_response(prompt)
            # Display assistant response in chat message container
            with st.chat_message("assistant"):
                for chunk in response:
                    st.write(chunk.text)
                #st.markdown(response)
            # Add assistant response to chat history
                st.session_state.messages.append({"role": "assistant", "content":chunk.text })

      
    if choice == 'Text-to-speech': 
        genai.configure(api_key=os.getenv('GOOGLE_API_KEY'))

        st.header('Transformez votre Texte en Espagnol avec Audio')
        st.write("<hr>", unsafe_allow_html=True)
        def get_text_to_speech(texte):
            # Traduction du texte en espagnol
            texte_espagnol = traduire_texte(texte)

            # Configuration de la langue et de la vitesse (optionnel)
            tts = gTTS(text=texte_espagnol, lang='es', slow=False)

            # Enregistrement du fichier audio
            tts.save("output.mp3")

            # Lire le fichier audio dans Streamlit (nécessite des bibliothèques supplémentaires)
            st.audio("output.mp3")


        def traduire_texte(texte):
            traducteur = Translator()
            traduction = traducteur.translate(texte, dest="es")
            return traduction.text

        # CSS personnalisé pour le bouton avec un fond vert
        custom_css = """
            <style>
                .stButton>button {
                    background-color: green;
                    color: white;
                    padding: 10px 30px; /* Ajuster la hauteur et la largeur du bouton */
                    font-size: 16px; /* Ajuster la taille de la police du texte */
                    border: 2px solid green; /* Ajouter une bordure verte */
                    border-radius: 5px; /* Ajouter des coins arrondis à la bordure */
                    margin-left: auto; /* Positionner le bouton à droite */
                    margin-right: 0; /* Positionner le bouton à droite */
                }

                /* Style pour le survol du bouton */
                .stButton>button:hover {
                    background-color: white;
                    color: green;
                    border: 2px solid green; /* Ajouter une bordure verte */
                    border-radius: 5px; /* Ajouter des coins arrondis à la bordure */
                }
            </style>
        """
      

    

        # Affichage du CSS personnalisé
        st.markdown(custom_css, unsafe_allow_html=True)

        def input_text_setup():
            text = st.text_area("Entrez le texte à convertir en parole :", height=200,placeholder="Veuillez entre votre text a traduire...")
            submit_button = st.button("Soumettre")  # Ajout du bouton de soumission
            return text, submit_button

        # Section pour la conversion text-to-speech
        # Afficher le champ de texte et le bouton de soumission
        text_to_convert, submit_button = input_text_setup()

        if submit_button:
            if text_to_convert:
                texte_traduit = traduire_texte(text_to_convert)
                st.success("Texte converti en parole espagnole avec sucess.")
                get_text_to_speech(texte_traduit)
                # Section pour l'analyse d'images (peut rester commentée si non utilisée)
            else:
                st.warning("Veuillez entrer du texte avant de soumettre.")

    if choice == 'Zero-shot-image-classification':
        st.title("CLIP Image Classification")
        

        API_URL = "https://api-inference.huggingface.co/models/openai/clip-vit-large-patch14"
        hugging_face_token = os.getenv('API_TOKEN')
        def query(data):
            img_bytes = io.BytesIO(data["image_bytes"])
            payload = {
                "parameters": data["parameters"],
                "inputs": base64.b64encode(img_bytes.read()).decode("utf-8")
            }
            headers = {"Authorization": f"Bearer {hugging_face_token}"}
            response = requests.post(API_URL, headers=headers, json=payload)
            return response.json()
        custom_css = """
            <style>
                .stButton>button {
                    background-color: green;
                    color: white;
                    padding: 10px 30px; /* Ajuster la hauteur et la largeur du bouton */
                    font-size: 16px; /* Ajuster la taille de la police du texte */
                    border: 2px solid green; /* Ajouter une bordure verte */
                    border-radius: 5px; /* Ajouter des coins arrondis à la bordure */
                    margin-left: auto; /* Positionner le bouton à droite */
                    margin-right: 0; /* Positionner le bouton à droite */
                }

                /* Stylisation des étiquettes prédites */
                .st-emotion-cache-cnbvxy {
                    margin-top: 20px;/* Marge supérieure */
                    font-size: 100px !important; /* Taille de la police */
                }
                /* Style pour chaque étiquette prédite */
                .predicted-label {
                    color: green; /* Texte vert */
                    margin-bottom: 5px; /* Marge inférieure */
                }

                /* Style pour le survol du bouton */
                .stButton>button:hover {
                    background-color: white;
                    color: green;
                    border: 2px solid green; /* Ajouter une bordure verte */
                    border-radius: 5px; /* Ajouter des coins arrondis à la bordure */
                }
            </style>
        """
        # Affichage du CSS personnalisé
        st.markdown(custom_css, unsafe_allow_html=True)
        uploaded_image = st.file_uploader("Upload Image", type=["jpg", "jpeg", "png"])
        if uploaded_image is not None:
            st.image(uploaded_image, caption="Uploaded Image", use_column_width=True)
            st.title("Entre les Labels (obligatoire)")
            candidate_labels = st.text_input("Entrez les étiquettes séparées par des virgules",placeholder='Veullez entrer les classes separé par des virgules. ex: chat, chien, souris ...')
            parameters = {"candidate_labels": candidate_labels.split(",")}
            
            
            if st.button("Classifier"):
                if candidate_labels.strip() == "":
                    st.warning("Veuillez entrer au moins une étiquette. Au-delà de deux étiquettes, veuillez vous assurer de les séparer par des virgules et des espaces.")
                else:
                    parameters = {"candidate_labels": candidate_labels.split(",")}
                    result = query({"image_bytes": uploaded_image.read(), "parameters": parameters})
                    if result:
                        # Début du tableau
                        st.title("Predicted Labels:")
                        # Création d'une liste pour stocker les labels et scores
                        labels = []
                        scores = []
                        for prediction in result:
                            label = prediction["label"]
                            score = prediction["score"]
                            labels.append(label)
                            scores.append(score)
                        # Création d'un DataFrame avec les labels et les scores
                        df = pd.DataFrame({
                            'Label': labels,
                            'Score': scores,
                        })
                        # Affichage du DataFrame avec une largeur ajustée
                        st.dataframe(df, width=600)
                    else:
                        st.write("No labels predicted.")

    if choice == 'Image-to-text':
        genai.configure(api_key=os.getenv('GOOGLE_API_KEY'))
         
        custom_css = """
            <style>
                .stButton>button {
                    background-color: green;
                    color: white;
                    padding: 10px 30px; /* Ajuster la hauteur et la largeur du bouton */
                    font-size: 16px; /* Ajuster la taille de la police du texte */
                    border: 2px solid green; /* Ajouter une bordure verte */
                    border-radius: 5px; /* Ajouter des coins arrondis à la bordure */
                    margin-left: auto; /* Positionner le bouton à droite */
                    margin-right: 0; /* Positionner le bouton à droite */
                }


                /* Style pour le survol du bouton */
                .stButton>button:hover {
                    background-color: white;
                    color: green;
                    border: 2px solid green; /* Ajouter une bordure verte */
                    border-radius: 5px; /* Ajouter des coins arrondis à la bordure */
                }
            </style>
        """
        st.markdown(custom_css, unsafe_allow_html=True)
        def get_gemini_response(input_prompt,image):
            model=genai.GenerativeModel('gemini-pro-vision')
            response = model.generate_content([input_prompt,image[0]])
            return response.text
        def input_image_setup(uploaded_file):
            if uploaded_file is not None:
                bytes_data = uploaded_file.getvalue()
                image_parts = [{'mime_type':uploaded_file.type,
                                'data':bytes_data}]
                return image_parts
            else:
                raise FileNotFoundError('No File Uploaded')

        st.header('Description d une image')
        st.write("<hr>", unsafe_allow_html=True)
        uploaded_file = st.file_uploader('Choose an image.',type=['jpg','jpeg','png'])
        if uploaded_file is not None:
            image=Image.open(uploaded_file)
            st.image(image,caption="uploaded_file",use_column_width=True)
        st.write("<hr>", unsafe_allow_html=True)
        submit=st.button('Decrire')
        input_prompt="""
        Decrire l'image
        """
        if submit:
            if uploaded_file is not None:
                image_data = input_image_setup(uploaded_file)
                response = get_gemini_response(input_prompt,image_data)
                st.subheader('La description de l\'image est : ')
                st.markdown(
                f"<div style='font-size: 18px; border-radius: 10px; border: 2px solid #777777;; padding: 20px; line-height: 1.7;'>{response}</div>", 
                unsafe_allow_html=True )
            else:
                st.error("Veuillez entrer une image en entrée")


if __name__ == '__main__':
    main()

#https://huggingface.co/spaces/DJONG-WANG/projet_tutore