File size: 1,803 Bytes
393f308 cf53d59 393f308 cf53d59 a5699da |
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 |
# استيراد المكتبات
from transformers import BlipProcessor, BlipForConditionalGeneration, MarianMTModel, MarianTokenizer
import gradio as gr
from PIL import Image
# تحميل نموذج BLIP ومعالج البيانات
processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")
# تحميل نموذج الترجمة
tokenizer = MarianTokenizer.from_pretrained("Helsinki-NLP/opus-mt-en-ar")
model_mt = MarianMTModel.from_pretrained("Helsinki-NLP/opus-mt-en-ar")
# دالة لترجمة التوصيفات إلى العربية
def translate_to_arabic(text):
inputs = tokenizer(text, return_tensors="pt", padding=True)
translated = model_mt.generate(**inputs)
translated_text = [tokenizer.decode(t, skip_special_tokens=True) for t in translated]
return translated_text[0]
# دالة لتوليد التوصيفات
def generate_caption(image, language):
# معالجة الصورة
inputs = processor(images=image, return_tensors="pt")
# توليد التوصيف
outputs = model.generate(**inputs)
caption = processor.decode(outputs[0], skip_special_tokens=True)
# ترجمة التوصيف إلى العربية إذا تم اختيارها
if language == "Arabic":
caption = translate_to_arabic(caption)
return caption
# إعداد واجهة Gradio
iface = gr.Interface(
fn=generate_caption,
inputs=[gr.Image(type="pil"), gr.Dropdown(choices=["English", "Arabic"], label="Select Language")],
outputs="text",
title="Image Captioning System",
description="Upload an image and choose the language for caption generation."
)
# تشغيل واجهة Gradio
iface.launch()
|